深度强化学习课程文档

让我们训练 Huggy 🐶 并与它玩耍

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始入门

让我们训练 Huggy 🐶 并与它玩耍

Ask a Question Open In Colab

我们强烈建议学生使用 Google Colab 进行实践练习,而不是在他们的个人电脑上运行。

通过使用 Google Colab,您可以专注于学习和实验,而无需担心设置环境的技术方面

让我们训练 Huggy 🐶

要开始训练 Huggy,请点击 “在 Colab 中打开” 按钮 👇

Open In Colab

Bonus Unit 1Thumbnail

在本 notebook 中,我们将通过教 Huggy 小狗去捡棍子,然后在您的浏览器中直接与它玩耍,来巩固我们在第一个单元中学到的知识

Huggy

环境 🎮

使用的库 📚

我们一直在努力改进我们的教程,所以如果您在本 notebook 中发现任何问题,请在 Github 仓库中开启 issue

本 notebook 的目标 🏆

在本 notebook 结束时,您将

  • 了解用于训练 Huggy 的状态空间、动作空间和奖励函数
  • 训练您自己的 Huggy 来捡棍子。
  • 能够直接在浏览器中与您训练的 Huggy 玩耍

先决条件 🏗️

在深入 notebook 之前,您需要

🔲 📚 通过完成单元 1,来培养对强化学习基础知识的理解(MC、TD、奖励假设...)。

🔲 📚 通过完成奖励单元 1,阅读 Huggy 的介绍

设置 GPU 💪

  • 为了加速 agent 的训练,我们将使用 GPU。为此,请转到 运行时 > 更改运行时类型
GPU Step 1
  • 硬件加速器 > GPU
GPU Step 2

克隆仓库 🔽

  • 我们需要克隆包含 ML-Agents 的仓库。
# Clone the repository (can take 3min)
git clone --depth 1 https://github.com/Unity-Technologies/ml-agents

设置虚拟环境 🔽

  • 为了使 ML-Agents 在 Colab 中成功运行,Colab 的 Python 版本必须满足库的 Python 要求。

  • 我们可以在 setup.py 文件中的 python_requires 参数下检查支持的 Python 版本。这些文件是设置 ML-Agents 库以供使用所必需的,可以在以下位置找到

    • /content/ml-agents/ml-agents/setup.py
    • /content/ml-agents/ml-agents-envs/setup.py
  • Colab 当前的 Python 版本(可以使用 !python --version 检查)与库的 python_requires 参数不匹配,因此安装可能会静默失败,并在稍后执行相同命令时导致如下错误

    • /bin/bash: line 1: mlagents-learn: command not found
    • /bin/bash: line 1: mlagents-push-to-hf: command not found
  • 为了解决这个问题,我们将创建一个虚拟环境,其中 Python 版本与 ML-Agents 库兼容。

注意: 为了未来的兼容性,请始终检查安装文件中的 python_requires 参数,如果 Colab 的 Python 版本不兼容,请在下面给出的脚本中将您的虚拟环境设置为最大支持的 Python 版本

# Colab's Current Python Version (Incompatible with ML-Agents)
!python --version
# Install virtualenv and create a virtual environment
!pip install virtualenv
!virtualenv myenv

# Download and install Miniconda
!wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
!chmod +x Miniconda3-latest-Linux-x86_64.sh
!./Miniconda3-latest-Linux-x86_64.sh -b -f -p /usr/local

# Activate Miniconda and install Python ver 3.10.12
!source /usr/local/bin/activate
!conda install -q -y --prefix /usr/local python=3.10.12 ujson  # Specify the version here

# Set environment variables for Python and conda paths
!export PYTHONPATH=/usr/local/lib/python3.10/site-packages/
!export CONDA_PREFIX=/usr/local/envs/myenv
# Python Version in New Virtual Environment (Compatible with ML-Agents)
!python --version

安装依赖项 🔽

# Go inside the repository and install the package (can take 3min)
%cd ml-agents
pip3 install -e ./ml-agents-envs
pip3 install -e ./ml-agents

下载并将环境 zip 文件移动到 ./trained-envs-executables/linux/ 中

  • 我们的环境可执行文件在一个 zip 文件中。
  • 我们需要下载它并将其放置到 ./trained-envs-executables/linux/
mkdir ./trained-envs-executables
mkdir ./trained-envs-executables/linux

我们使用 wgethttps://github.com/huggingface/Huggy 下载了 Huggy.zip 文件

wget "https://github.com/huggingface/Huggy/raw/main/Huggy.zip" -O ./trained-envs-executables/linux/Huggy.zip
%%capture
unzip -d ./trained-envs-executables/linux/ ./trained-envs-executables/linux/Huggy.zip

确保您的文件可访问

chmod -R 755 ./trained-envs-executables/linux/Huggy

让我们回顾一下这个环境是如何工作的

状态空间:Huggy 感知到的内容。

Huggy 并没有“看到”他的环境。相反,我们向他提供有关环境的信息

  • 目标(棍子)位置
  • 他自己与目标之间的相对位置
  • 他的腿的方向。

有了所有这些信息,Huggy 可以决定接下来采取哪个动作来实现他的目标

Huggy

动作空间:Huggy 可以做的动作

Huggy action

关节马达驱动 Huggy 的腿。这意味着为了到达目标,Huggy 需要学习正确旋转他每条腿的关节马达,以便他可以移动

奖励函数

奖励函数的设计是为了让 Huggy 完成他的目标:捡起棍子。

请记住,强化学习的基础之一是奖励假设:一个目标可以被描述为预期累积奖励的最大化

在这里,我们的目标是让 Huggy 走向棍子,但不要旋转太多。因此,我们的奖励函数必须体现这一目标。

我们的奖励函数

Huggy reward function
  • 方向奖励:我们奖励他靠近目标
  • 时间惩罚:在每个动作时给予固定的时间惩罚,以迫使他尽可能快地到达棍子
  • 旋转惩罚:如果 Huggy 旋转太多并且转弯太快,我们会惩罚他。
  • 到达目标奖励:我们奖励 Huggy 到达目标

检查 Huggy 配置文件

  • 在 ML-Agents 中,您在 config.yaml 文件中定义训练超参数

  • 在本 notebook 的范围内,我们不会修改超参数,但如果您想作为实验尝试,Unity 提供了非常好的文档,在此处解释了每个超参数

  • 我们需要为 Huggy 创建一个配置文件。

  • 转到 /content/ml-agents/config/ppo

  • 创建一个名为 Huggy.yaml 的新文件

  • 复制并粘贴以下内容 🔽

behaviors:
  Huggy:
    trainer_type: ppo
    hyperparameters:
      batch_size: 2048
      buffer_size: 20480
      learning_rate: 0.0003
      beta: 0.005
      epsilon: 0.2
      lambd: 0.95
      num_epoch: 3
      learning_rate_schedule: linear
    network_settings:
      normalize: true
      hidden_units: 512
      num_layers: 3
      vis_encode_type: simple
    reward_signals:
      extrinsic:
        gamma: 0.995
        strength: 1.0
    checkpoint_interval: 200000
    keep_checkpoints: 15
    max_steps: 2e6
    time_horizon: 1000
    summary_freq: 50000
  • 别忘了保存文件!

  • 如果您想修改超参数,在 Google Colab notebook 中,您可以点击此处打开 config.yaml:/content/ml-agents/config/ppo/Huggy.yaml

我们现在准备好训练我们的 agent 了 🔥。

训练我们的 agent

要训练我们的 agent,我们只需要启动 mlagents-learn 并选择包含环境的可执行文件

ml learn function

使用 ML Agents,我们运行一个训练脚本。我们定义了四个参数

  1. mlagents-learn <config>:超参数配置文件所在的路径。
  2. --env:环境可执行文件所在的位置。
  3. --run-id:您要为训练运行 ID 命名的名称。
  4. --no-graphics:在训练期间不启动可视化。

训练模型并使用 --resume 标志在中断的情况下继续训练。

首次使用 --resume 时会失败,请尝试再次运行该代码块以绕过错误。

训练将花费 30 到 45 分钟,具体取决于您的机器(别忘了设置 GPU),去喝杯 ☕️ 犒劳一下自己吧 🤗。

mlagents-learn ./config/ppo/Huggy.yaml --env=./trained-envs-executables/linux/Huggy/Huggy --run-id="Huggy" --no-graphics

将 agent 推送到 🤗 Hub

  • 现在我们已经训练了 agent,我们准备将其推送到 Hub,以便能够在您的浏览器上与 Huggy 玩耍🔥。

为了能够与社区分享您的模型,还需要遵循三个步骤

1️⃣(如果尚未完成)创建 HF 帐户 ➡ https://huggingface.co/join

2️⃣ 登录,然后从 Hugging Face 网站获取您的 token。

Create HF Token
  • 复制 token
  • 运行下面的单元格并粘贴 token
from huggingface_hub import notebook_login

notebook_login()

如果您不想使用 Google Colab 或 Jupyter Notebook,则需要改用此命令:huggingface-cli login

然后,我们只需要运行 mlagents-push-to-hf

ml learn function

我们定义了 4 个参数

  1. --run-id:训练运行 ID 的名称。
  2. --local-dir:agent 的保存位置,它是 results/<run_id name>,在我的例子中是 results/First Training。
  3. --repo-id:您要创建或更新的 Hugging Face 仓库的名称。它始终是 <您的 huggingface 用户名>/<仓库名称> 如果仓库不存在,它将自动创建
  4. --commit-message:由于 HF 仓库是 git 仓库,因此您需要提供 commit 消息。
mlagents-push-to-hf --run-id="HuggyTraining" --local-dir="./results/Huggy" --repo-id="ThomasSimonini/ppo-Huggy" --commit-message="Huggy"

如果一切正常,您应该在流程结束时看到这个(但 URL 会有所不同 😆)

Your model is pushed to the hub. You can view your model here: https://huggingface.co/ThomasSimonini/ppo-Huggy

这是指向您的模型仓库的链接。该仓库包含一个模型卡片,其中解释了如何使用该模型、您的 Tensorboard 日志和您的配置文件。最棒的是它是一个 git 仓库,这意味着您可以有不同的 commit,通过新的推送更新您的仓库,打开 Pull Requests 等。

ml learn function

但现在到了最好的部分:能够在线与 Huggy 玩耍 👀。

与您的 Huggy 🐕 玩耍

这一步最简单

load-huggy
  1. 在步骤 1 中,输入您的用户名(您的用户名区分大小写:例如,我的用户名是 ThomasSimonini,而不是 thomassimonini 或 ThOmasImoNInI),然后点击搜索按钮。

  2. 在步骤 2 中,选择您的模型仓库。

  3. 在步骤 3 中,选择您要回放的模型

  • 我有多个模型,因为我们每 500000 个时间步保存一个模型。
  • 但由于我想要最新的模型,所以我选择 Huggy.onnx

👉 最好尝试使用不同的模型步骤来查看 agent 的改进。

恭喜您完成这个奖励单元!

您现在可以坐下来,享受与您的 Huggy 🐶 玩耍的乐趣。并且不要忘记通过与您的朋友分享 Huggy 来传播爱意 🤗。如果您在社交媒体上分享了它,请标记我们 @huggingface 和我 @simoninithomas

Huggy cover

保持学习,保持出色 🤗

< > GitHub 上更新