设计师网站国外,网络营销计划书怎么写,建设局网,为什么网站建设要将access数据库文件变成asa文章目录 前言参考python环境效果已复现结果 综述DQN.py#xff08;主要#xff09;算法实现参数修改细节实现显示训练#xff0c;保存训练 Buffer.pyevaluate.pylearning_curves 前言
代码实现在:https://github.com/wild-firefox/FreeRL 欢迎star
参考
动手学强化学习e… 文章目录 前言参考python环境效果已复现结果 综述DQN.py主要算法实现参数修改细节实现显示训练保存训练 Buffer.pyevaluate.pylearning_curves 前言
代码实现在:https://github.com/wild-firefox/FreeRL 欢迎star
参考
动手学强化学习elegentRLDRL-code-pytorcheasy-rlmaddpg-pettingzoo-pytorch深度强化学习reinforcement-learning-algorithmDRL-PytorchcleanRL
目的是写出像TD3作者那样简单易懂的DRL代码, 由于参考了ElegentRL和Easy的库,from easy to elegent 故起名为freeRL, free也是希望写出的代码可以随意的,自由的从此代码移植到自己的代码上。
python环境
python 3.11.9
torch 2.3.1cu121
gymnasium[all] 0.29.1
pygame 0.25.2 # 这个版本和gymnasium[all]0.29.1兼容效果
在参数没有精细调整的情况下在大多数的环境已能适用。 用DQN算法在LunarLander-v2环境下训练500个轮次的3个seed的效果线为均值阴影为方差 用 seed 0 训练的模型评估,评估100个不同的seed的结果。 随机选择其中一个seed的结果渲染环境。
已复现结果
1.DQN 2.DQN_Double 3.DQN_Dueling 4.DQN_PER 5.DQN_Noisy 6.DQN_N_Step 7.DQN_Categorical 8.DQN_Rainbow
其中 1 实现在DQN_file/DQN.py 2-8 实现在DQN_file/DQN_with_tricks.py 综述
为了便于对算法的理解和改动我将一个整体的算法训练和评估分离开来。
DQN_file
├── learning_curves
│ ├── env_name_1
│ │ ├── DQN_3_seed.npy
│ │ └── DQN.png
│ └── env_name_2
├── results
│ ├── env_name_1
│ │ ├── DQN_1
│ │ │ ├── DQN_seed_0.npy
│ │ │ ├── DQN.pt
│ │ │ ├── evaluate.gif
│ │ │ ├── evaluate.png
│ │ │ └── events.out.tfevents.
│ │ ├── DQN_2
│ │ └── DQN_3
│ └── env_name_2
├── plot_learning_curves.py
├── evaluate.py
├── Buffer.py
└── DQN.py首先看最下面几个具体的py文件 1.evaluate.py 实现评估。 2.plot_learning_curves.py实现多个seed的学习曲线的绘制和算法比较。 3.DQN.py 实现算法。 4.Buffer.py 实现经验池经验池基本通用。
以DQN.py为算法.py举例
DQN.py主要
建议边打开github上DQN.py的代码边看。
算法实现
一个深度强化学习算法分三个部分实现 1.Agent类:包括actor、critic、target_actor、target_critic、actor_optimizer、critic_optimizer、 2.DQN算法类:包括select_action,learn、save、load等方法,为具体的算法细节实现 3.main函数:实例化DQN类,主要参数的设置,训练、测试、保存模型等
这三个部分均在DQN.py里实现。
参数修改
参数修改 改三处 1.MLP的hidden 此参数往往在第一部分开头实现 2.main中args 3.dis_to_con中的离散转连续空间维度针对无法转成连续域的算法例DQN
对于1.需要单独修改的理由 hidden的层数和个数容易变化且RL的许多的算法创新实现在MLP(QnetActorCritic处会有新增参数。 对于2. args 为主要的参数算法独有或共有或保存位置的修改。 对于3. 主要针对DQN只能对离散环境适用不能对连续环境适用进行的转换。 将动作分配成多维的离散动作使得算法可以适用相对的在采样环境时需要将离散的动作转换成连续的动作。 基本的参数没有精细调整这里DQN使用离散环境MountainCar-v0为基准来调整参数以此能收敛为目标了后发现此参数可以适用大多数其他环境但不是全部。 使用MountainCar-v0的理由环境的目标是到达最高的山峰但环境中还有个次高的山峰个人认为可以很好拟合出梯度中的次优解。 细节实现
1.对于不同的算法的实现在代码中给出论文链接和不同实现。 2.在RL中使用常用的通用的pytorch代码易懂。见【深度强化学习】常常使用的pytorch代码 3.区分env的terminatedtruncated 4.区分训练时用的action例-11和env能接受的action_例-33 (区分34两点对于收敛有很大帮助。) 5.区分环境采样过程和训练过程以提高算法的拓展性。 6.以max_episodes为终止条件但是训练以step为最小单位。
显示训练保存训练
1.训练时使用tensorboard来显示实时的学习曲率。 在DQN_file算法文件夹下D:FreeRL/DQN_file 终端里输入 tensorboard --logdirresults/env_name 在跳出的http://localhost:6008/ 按住ctrl点击进入就行。 tensorboard保存的文件events.out.tfevents.和模型的位置一致。 保存模型的频率设置为总回合的1/4。
2.在results文件夹下不同环境为文件夹名下在算法(或算法trick)为文件夹名里results/env_name/DQN_1保存模型文件DQN.pt及其训练时每个episode的return值以不同seed为区分(DQN_seed_0.npy)此npy用于后续画学习曲率 每进行一次训练文件夹后面的数DQN_nn1。 Buffer.py
在创建buffer时直接使用zeros来创建比使用deque来创建在最后使用python基本数据再转成numpy再转成tensor速度要快。 这里使用numpy实现来使它更快一点。参考elegentrl 其他一些buffer的实现都实现在此。 evaluate.py
实现对模型的评估可设定评估的轮次数设定是否保存渲染环境gif。 这里seed的设定值须与训练的seed值不同。 由于gymnasium可以设定env的seed。这里将环境的seed值设定为当前遍历的轮次以实现seed的改变。 在gymnasium中如果有实现任务所达到的return值在画评估图时以此为基线。 环境gif的保存则是随机挑选其中一个回合进行保存。 此代码所得到的evaluate.pngevaluate.gif均保存在模型所在位置。results/env/DQN_1/下
上述效果的最后两个图
learning_curves
1.将不同的results/env/algorithm_trick_n下的DQN_seed_n.npy绘制成一个学习曲线 以均值为线阴影为方差。 2.将比较的多个seed的episode_return 另保存为DQN_3_seed.npy方便后续比较。 3.可以选择是否比较此算法的其他trick算法。 可以设置seed_num大小取决于你在环境的测试中实验了几次不同的seed大小这里仅使用seed 0,10,100来进行绘制当然也可以只进行一个seed的绘制。这里有进行平滑处理可以设置 生成的学习曲线图为DQN.py 和保存的DQN_3_seed.npy保存在learning_curves/env/下
上述效果的第一张图为学习曲线图已复现的结果为比较图
