小学电教检查网站建设资料,dw响应式网站模板,松原市新闻,网站建设工程师职责【强化学习】Stable-Baselines3学习笔记 Stable-Baselines3是什么安装ExampleReinforcement Learning Tips and TricksVecEnv相关在stablebaselines中使用自定义环境 Stable-Baselines3是什么 Stable Baselines3#xff08;简称SB3#xff09;是一套基于PyTorch实现的强化学习… 【强化学习】Stable-Baselines3学习笔记 Stable-Baselines3是什么安装ExampleReinforcement Learning Tips and TricksVecEnv相关在stablebaselines中使用自定义环境 Stable-Baselines3是什么 Stable Baselines3简称SB3是一套基于PyTorch实现的强化学习算法的可靠工具集旨在为研究社区和工业界提供易于复制、优化和构建新项目的强化学习算法实现官方文档链接Stable-Baselines3 Docs - Reliable Reinforcement Learning Implementations Stable-Baselines的一些特点 QRL Baselines3 Zoo、SB3 Contrib和SBX (SB3 Jax)与Stable Baselines3的关系是什么 A RL Baselines3 ZooRL Baselines3 Zoo是一个基于Stable Baselines3的训练框架提供了训练、评估、调优超参数、绘图及视频录制的脚本。它的目标是提供一个简单的接口来训练和使用RL代理同时为每个环境和算法提供调优的超参数SB3 ContribSB3 Contrib是一个包含社区贡献的强化学习算法的仓库提供了一些实验性的算法和功能。这使得主库SB3能够保持稳定和紧凑同时通过SB3 Contrib提供最新的算法SBX (SB3 Jax)Stable Baselines Jax (SBX)是Stable Baselines3在Jax上的概念验证版本提供了一些最新的强化学习算法 它与SB3相比提供了较少的功能但在某些情况下可以提供更高的性能速度可能快达20倍。 SBX遵循SB3的API因此与RL Zoo兼容 这三个项目都是Stable Baselines3生态系统的一部分它们共同提供了一个全面的工具集用于强化学习的研究和开发。SB3提供了核心的强化学习算法实现而RL Baselines3 Zoo提供了一个训练和评估这些算法的框架。SB3 Contrib则作为实验性功能的扩展库SBX则探索了使用Jax来加速这些算法的可能性 安装
Stable-Baselines3 requires python 3.9 and PyTorch 2.3Windows的要求Python 3.8或以上安装命令
#该命令将会安装 Stable Baselines3以及一些依赖项 如Tensorboard, OpenCV or ale-py
pip install stable-baselines3[extra]#该命令仅安装 Stable Baselines3 的核心包
pip install stable-baselines3Example
官方示例代码
import gymnasium as gymfrom stable_baselines3 import A2Cenv gym.make(CartPole-v1, render_modergb_array)model A2C(MlpPolicy, env, verbose1)
model.learn(total_timesteps10_000)vec_env model.get_env()
obs vec_env.reset()
for i in range(1000):action, _state model.predict(obs, deterministicTrue)obs, reward, done, info vec_env.step(action)vec_env.render(human)# VecEnv resets automatically# if done:# obs vec_env.reset()与直接使用gymnasium环境的不同之处
gymnasium.make之后还需要创建vec_env vec_env model.get_env()环境的reset使用vec_env.reset()VecEnv仅需在训练开始时reset训练中无需手动reset具体请看上述代码中最后的注释部分
Reinforcement Learning Tips and Tricks
强化学习与其他机器学习方法不同之处训练的数据由智能体本身收集Reinforcement Learning differs from other machine learning methods in several ways. The data used to train the agent is collected through interactions with the environment by the agent itself(compared to supervised learning where you have a fixed dataset for instance).这种依赖会导致恶性循环如果代理收集到质量较差的数据例如没有奖励的轨迹那么它就不会改进并继续积累错误的轨迹。This dependence can lead to vicious circle: if the agent collects poor quality data (e.g., trajectories with no rewards), then it will not improve and continue to amass bad trajectories.
VecEnv相关
stable-baselines使用矢量化环境(VecEnv)VecEnv允许并行地在一个环境中的多个实例上运行这样可以显著提高数据收集和训练的效率VecEnv支持批量操作允许模型一次从多个环境实例中学习可以一次性对所有环境实例执行相同的动作然后同时获取所有实例的观测、奖励和完成状态在VecEnv中当一个环境实例完成即done为True时它会自动重置
在stablebaselines中使用自定义环境
创建环境类并继承gymnasium.Env遵循gymnasium的接口即包含__init__, reset, step, render等函数检验环境是否遵循了SB3支持的gymnasium接口需使用from stable_baselines3.common.env_checker import check_env检验环境代码如下
from stable_baselines3.common.env_checker import check_env
import gymnasium as gymfrom Path.CustomEnvimport CustomEnv
env CustomEnv(arg1, ...)
# It will check your custom environment and output additional warnings if needed
check_env(env)
