stand_stable_final_version

train.sh

@@ -12,15 +12,16 @@ set -euo pipefail
 # CPU 核数基准（默认 20）：
 # 例如你的机器按 20 核预算来算，可保持默认。
 CORES="${CORES:-20}"
-# CPU 占用百分比（默认 95）：
+# CPU 占用百分比（默认 100）：
 # 最终会与 CORES 相乘得到 CPUQuota。
-# 例：CORES=20, UTIL_PERCENT=95 -> CPUQuota=1900%（约 19 核等效）
-UTIL_PERCENT="${UTIL_PERCENT:-95}"
+# 例：CORES=20, UTIL_PERCENT=100 -> CPUQuota=2000%（约 20 核等效）
+UTIL_PERCENT="${UTIL_PERCENT:-100}"
 CPU_QUOTA="$((CORES * UTIL_PERCENT))%"
 
-# 内存上限（默认 28G）：
-# 可改成 16G、24G 等，避免训练把系统内存吃满。
-MEMORY_MAX="${MEMORY_MAX:-28G}"
+# 内存上限（默认关闭）：
+# 设为具体值（如 24G/28G）可限制训练最多占用内存；
+# 设为 0/none/off/infinity 表示不设置 cgroup 内存上限。
+MEMORY_MAX="${MEMORY_MAX:-0}"
 
 # ------------------------------
 # 训练运行参数（由 scripts/gyms/Walk.py 读取）
@@ -28,8 +29,8 @@ MEMORY_MAX="${MEMORY_MAX:-28G}"
 # 运行模式：train 或 test
 GYM_CPU_MODE="${GYM_CPU_MODE:-train}"
 
-# 并行环境数量：越大通常吞吐越高，但也更容易触发服务器连接不稳定。
-# 建议从 8~12 起步，稳定后再升到 16/20。
+# 并行环境数量：越大通常吞吐越高，但也更容易触发 OOM 或连接不稳定。
+# 默认使用更稳妥的 12，确认稳定后再升到 16/20。
 GYM_CPU_N_ENVS="${GYM_CPU_N_ENVS:-20}"
 # 服务器预热时间（秒）：
 # 在批量拉起 rcssserver 后等待一段时间，再创建 SubprocVecEnv，
@@ -98,14 +99,23 @@ if [[ -n "${CONDA_DEFAULT_ENV:-}" ]]; then
 	echo "Detected conda env: ${CONDA_DEFAULT_ENV}"
 fi
 
+SYSTEMD_PROPS=("-p" "CPUQuota=${CPU_QUOTA}")
+case "${MEMORY_MAX,,}" in
+	0|none|off|infinity)
+		echo "MemoryMax is disabled for this run (no cgroup memory cap)."
+		;;
+	*)
+		SYSTEMD_PROPS+=("-p" "MemoryMax=${MEMORY_MAX}")
+		;;
+esac
+
 # 使用 systemd-run --user --scope 启动“受限资源”的训练进程：
 # - CPUQuota: 总 CPU 配额
 # - MemoryMax: 最大内存
 # - env ...  : 显式传递训练参数到 Python 进程
 # - python -m scripts.gyms.Walk: 以模块方式启动训练入口
 systemd-run --user --scope \
-	-p CPUQuota="${CPU_QUOTA}" \
-	-p MemoryMax="${MEMORY_MAX}" \
+	"${SYSTEMD_PROPS[@]}" \
 	env \
 	GYM_CPU_MODE="${GYM_CPU_MODE}" \
 	GYM_CPU_N_ENVS="${GYM_CPU_N_ENVS}" \