LeRobot入门教程 06：安全清单与排错
1. 服务器使用安全清单
每次开新实验前
- 确认当前目录：
pwd - 确认目录内容：
ls -lah - 确认磁盘空间：
df -h - 确认 GPU 是否空闲：
nvidia-smi - 确认使用的是正确 Python 环境：
which python
不该做的事
- 不要随便执行来源不明的命令。
- 不要把密码、API key 写进代码仓库。
- 不要在系统目录里乱删文件。
- 不要同时开太多大训练任务抢显存。
- 不要把唯一实验结果只存在
/tmp。
推荐习惯
- 给每次实验写清楚名字，例如
exp_001_baseline。 - 记录超参数：学习率、batch size、随机种子、数据版本。
- 定期保存代码和模型。
- 长任务用 tmux 管理。
- 用 Git 管理代码。
2. 常见报错和排查思路
| 报错信息 | 常见原因 | 排查方法 |
|---|---|---|
command not found | 命令没安装，或不在 PATH 中 | 用 which command 检查；确认包和环境 |
No such file or directory | 路径写错，或当前目录不对 | 用 pwd 和 ls 检查路径 |
ModuleNotFoundError | 当前环境缺少包 | 用 python -m pip show 包名 检查；安装到正确环境 |
CUDA out of memory | GPU 显存不够 | 减小 batch size；清理进程；换更大显存 GPU |
CUDA is not available | 没有 GPU，或 PyTorch 版本不匹配 | 运行 nvidia-smi 和 torch.cuda.is_available() |
Permission denied | 权限不足，或密钥/权限配置错误 | 检查文件权限和登录方式 |
Address already in use | 端口被占用 | 换端口，或用 `ps aux |
看报错时先看最后一行，它通常说明最直接的问题；再看前面的调用记录，定位是哪一步出错。
3. 一张图记住这套流程
本地电脑
│
│ SSH 登录
▼
远程 Linux 服务器
│
├─ 终端命令：管理文件、进程、GPU
├─ Python：写实验逻辑
├─ PyTorch：张量计算、自动求导、GPU 训练
└─ Jupyter：交互式实验和可视化
你现在应该已经理解了下面这条链路：
SSH 连接服务器 -> Linux 终端操作文件 -> 进入 Python 环境 -> 使用 PyTorch 训练模型 -> 保存结果
下一步可以尝试：
- 在服务器上新建一个自己的项目目录。
- 用一个很小的数据集跑通训练脚本。
- 把结果保存到数据盘或文件存储。
- 把命令和参数写进 README，方便以后复现。