Amazon EC2 / G6e インスタンスで LeRobot 環境を整える手順

そこそこ早く学習フェーズを終わらせたい方へ。
とりあえず IaaS の力を借りてぶん回す方面が手っ取り早いです。

結論

Amazon Elastic Compute Cloud(EC2) を使う。

• AMI(Amazon Machine Image)は、 Deep Learning OSS Nvidia Driver AMI を選ぶ。
  • AMI 検索で NVIDIA で見つかる
  • PyTorch バージョンや対応 OS があるので確認する
    • Ubuntu が apt とかで一気にいろんなものが入るのでオススメかも
  • CPU アーキテクチャは x86 (インスタンス側が Arm に対応してないから)

• g6e.xlarge インスタンスを選ぶ。
• ディスクサイズは 80GB 以上欲しい。

LeRobot 環境構築の作業

全部で10分以内くらいで終わる。

# まず起動後は apt update で最新化。再起動もしておく
sudo apt update && sudo apt upgrade -y && sudo reboot

# 再起動後、Miniforge3(condaコマンド)、Python 3.10環境、ffmpeg、LeRobotインストール
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
bash Miniforge3-$(uname)-$(uname -m).sh -b -p "${HOME}/miniforge3/"
echo 'eval "$(/home/ubuntu/miniforge3/bin/conda shell.YOUR_SHELL_NAME hook)"' | sed s/YOUR_SHELL_NAME/bash/ >> ~/.bashrc
source ~/.bashrc
conda create -y -n lerobot-env python=3.10
conda activate lerobot-env
conda install -y ffmpeg=7.1.1 -c conda-forge
git clone https://github.com/huggingface/lerobot.git
cd lerobot
sudo apt install -y build-essential python3-dev linux-libc-dev
pip install -e .
pip install -e ".[smolvla]"
lerobot-info

lerobot-info の結果例

- lerobot version: 0.4.1
- Platform: Linux-6.14.0-1015-aws-x86_64-with-glibc2.39
- Python version: 3.10.19
- Huggingface Hub version: 0.35.3
- Datasets version: 4.1.1
- Numpy version: 2.2.6
- PyTorch version: 2.7.1+cu126
- Is PyTorch built with CUDA support?: True
- Cuda version: 12.6
- GPU model: NVIDIA L40S
- Using GPU in script?: <fill in>

最後は手動で作業。

git config --global credential.helper store
hf auth login
#=> https://huggingface.co/settings/tokens で write 権限のあるトークン発行、ここで入力
wandb login
#=> https://wandb.ai/authorize で表示されたキーをここで入力

lerobot-train コマンド例と実行時間の目安、費用

lerobot-train --policy.type=act --policy.device=cuda \
--dataset.repo_id=YOURNAME/dataset1 --dataset.revision=main \
--policy.repo_id=YOURNAME/dataset1-act-steps2k \
--output_dir=outputs/train/dataset1-act-steps2k \
--job_name=dataset1-act-steps2k --wandb.enable=true \
--batch_size=64 --steps=2000

wandb は任意だが、あると便利だよ。

エピソード数50のデータセットに対して、バッチサイズ64 / ステップ数2000で、約８分くらい。もちろん、エピソード数やエピソードの長さ、他のパラメータによって増減すると思う。

最後に ; sudo systemctl poweroff と加えておけば、インスタンス収量もしてくれるから、費用面でも安心（lerobot-train コマンドにミスると、なにもせずに poweroff するから気を付けてね）

費用は10時間分くらい×2台(20時間分)で50USDくらい。

あとがき

私のようなスポット利用者には、ハードウェア購入よりも IaaS が向いてました。
Amazon SageMaker にも、このあたりの環境が欲しい。

EoT