Marigold项目训练过程中的常见问题分析与解决方案

训练卡顿问题分析

在使用Marigold项目进行深度模型训练时，许多用户报告了训练过程卡在初始阶段的问题。经过分析，这主要与两个关键因素相关：数据集准备和代码快照生成。

数据集准备问题

训练过程中最常见的卡顿原因是数据集未正确准备。Marigold项目支持Hypersim和vkitti等数据集，但需要注意：

1. 数据集必须完整下载，包括训练集和评估集
2. 数据集路径在配置文件中需要正确指定
3. 建议使用解压后的数据集而非tar压缩包格式

代码快照无限循环问题

另一个常见问题是代码快照生成时出现的无限循环：

2024-10-19 09:49:55,811 - INFO - train.py - <module> >> Code snapshot saved to: ./output/train_marigold/code_snapshot.tar

这个问题表现为code_snapshot.tar文件不断增大，最终导致训练无法继续。解决方案是修改代码快照生成逻辑，排除自身文件：

os.system(
    f"rsync --relative -arhvz --quiet --filter=':- .gitignore' --exclude '.git' --exclude 'code_snapshot.tar' . '{_temp_code_dir}'"
)

环境配置建议

基于用户反馈，推荐以下环境配置：

• 操作系统：Ubuntu 20.04 LTS
• GPU：NVIDIA GeForce RTX 3090
• Python版本：3.10
• CUDA版本：11.7
• 依赖管理：建议使用conda环境

训练启动命令优化

标准的训练启动命令为：

python train.py --config config/train_marigold.yaml --no_wandb

若使用WandB进行实验跟踪，可移除--no_wandb参数。

常见错误排查

1. 概率列表长度不匹配错误：

   assert len(cfg_data.train.prob_ls) == len(...)
   

   这通常与内存不足或数据集配置错误有关，建议检查数据集配置和可用内存。

2. 训练无日志输出： 检查数据集路径是否正确，确保所有必需文件已下载完整。

最佳实践建议

1. 在开始训练前，先验证数据集完整性
2. 监控系统资源使用情况，特别是GPU内存
3. 建议从小规模数据集开始测试，确认流程正常后再进行完整训练
4. 保持项目依赖版本与官方推荐一致

通过以上分析和解决方案，开发者可以更顺利地使用Marigold项目进行深度估计模型的训练工作。