版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1 signal
observation&reward
RealworldenvironmentAgent historyinfo
simulatorEachtimesteptAgentanaction𝑎𝑡Worldupdatesgivenactionat,emitsobservationandAgentreceivesobservationandUseexperiencetoguidefuturedecisions(exploit)signal
observation&reward
RealworldenvironmentAgent historyinfo
simulatorHistoryℎ𝑡=(𝑎1,...,𝑎𝑡,𝑜𝑡,AgentchoosesactionbasedonhistoryisinformationassumedtodeterminewhathappensnextFunctionhistory=(ℎ𝑡)Stateisifandonlyif p(𝑠𝑡+1|,𝑎𝑡)=p(𝑠𝑡+1|ℎ𝑡,𝑎𝑡)Goalselectactionstomaximizetotalexpectedfuturerewardbalancingimmediate&long-termrewardsπdetermineshowtheagentchoosesactionsDeterministicpolicyStochasticpolicyfunctionexpecteddiscountedsumfuturerewardsunderapolicyπ initializeenvPolicymodelinitializeenvPolicymodelinitializepolicyPolicyinferenceinitializepolicyRolloutdataRolloutdataPolicyupdateUpdatepolicyUpdatepolicyHessel,Matteo,etal."Rainbow:Combiningimprovementsindeepreinforcementlearning."——给PPO带来真正的性能上提升以及将policy约束在trustregion内的效果,都不是通过PPO论文中提出的对新的policy和原policy的比值进行裁切(clip)带来的,而是通过code-level的一些技巧带来的。Engstrom,Logan,etal."Implementationmattersindeeppolicygradients:AcasestudyonPPOandTRPO."Liang,Eric,etal."Rayrllib:Acomposableandscalablereinforcementlearninglibrary."Liang,Eric,etal."Rayrllib:Acomposableandscalablereinforcementlearninglibrary."新算法新算法新架构 难以复用的强化学习代码
可扩展性的强化学习框架 TrainingDataMLModelTrainingDataMLModelTrainingsignalθ
observation&reward
RealworldenvironmentAgent historyinfo
simulator面临的问题面临的问题新的需求Horgan,Dan,etal."Distributedprioritizedexperiencereplay."可能传输大量的数据可能传输大量的数据GPUCPU面临的问题面临的问题可能的解决方案 通用的RL算法针对Env开发支持分布式Star数目RepoACME+Reverb2.1k/deepmind/acmeELF2k/facebookresearch/ELFRay+RLlib16.4k/ray-project/rayGym24.5k/openai/gymBaselines11.6k/openai/baselinesTorchBeast553/facebookresearch/torchbeastSeedRL617/google-research/seed_rlTianshuo?3.2k/thu-ml/tianshouKeras-RL5.1k/keras-rl/keras-rlRayisafastandsimpleframeworkforbuildingandrunningdistributedapplications./ray-project/ray Rayisafastandsimpleframeworkforbuildingandrunningdistributedapplications.AprocessexecutingtheuserprogramAstatelessprocessthatexecutesremotefunctionsinvokedbyadriverAstatefulprocessthatexecutesDistributedobjectIn-memorydistributedstoragetostoretheinputs/outputs,orstatelesscomputation.ImplementtheobjectstoreviasharedmemoryUseApacheArrowasdataformatsDistributedschedulerSubmittedfirsttolocalschedulerGlobalschedulerconsiderseachloadandconstraintstoschedulingdecisionsGlobalControlAkey-valuestorewithpub-subfunctionalityRLlibisanopen-sourcelibraryforreinforcementlearningthatoffersbothhighscalabilityandaunifiedAPIforavarietyofapplications.RayRayRLlib/ray-project/ray/tree/master/rllib distributedschedulerisanaturalfitforthehierarchicalcontrolmodel,asnestedcomputationcanbeimplementedinRaywithnocentraltaskschedulingbottleneck.Hierarchicalcontrol Actors/Workers RunscriptRemotedecoratorforruninremote InitrayRemotedecoratorforruninremoteInitrayExecutethetrainerandactorinremoteExecutethetrainerandactorinremoteStartthreadforasyncStartthreadforasynctrainingsignal
observation&reward
RealworldenvironmentAgent historyinfo
simulatorPolicyGraphPolicyModelPolicyOptimizerPolicyGraphPolicyModelPolicyOptimizerThepolicyoptimizerisresponsiblefortheperformance-criticaltasksofdistributedsampling,parameterupdates,andmanagingPolicyGraphPolicyModelPolicyOptimizerPseudocodeforfourRLlibpolicyoptimizerstepmethods.Eachstep()operatesalocalpolicygraphandarrayofremoteevaluatorreplicas. Serializationanddeserializationarebottlenecksinparallelanddistributedcomputing,especiallyinmachinelearningapplicationswithlargeobjectsandlargequantitiesofdata.Goalsefficientwithlargenumericaldata(e.g.NumpyandPandasdataframes)AsasPicklePythontypesCompatiblewithsharedmemory(allowingmultipleprocessestousethesamewithoutcopyingit)Deserializationshouldbeextremelylanguageindependent Makingdeserializationfastisimportant.AnobjectmaybeserializedonceandthendeserializedmanytimesAcommonpatternisformanyobjectstobeserializedinparallelandthenaggregatedanddeserializedoneatatimeonasingleworkermakingdeserializationthebottleneckDeserializationisfastandbarelyvisibleUsingonlytheschema,cancomputetheoffsetseachvalueinthedatablobwithoutscanningthroughthedatablob(unlikePickle,thisiswhatenablesfastdeserialization)copyingorotherwiseconvertinglargearraysandothervaluesduringdeserializat
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 湖北省创新发展联盟2025届高考冲刺押题(最后一卷)英语试卷含解析
- 2025届四川绵阳市三台中学高三下学期第六次检测数学试卷含解析
- 四川省资阳市安岳县石羊中学2025届高考全国统考预测密卷语文试卷含解析
- 河南省豫北重点中学2025届高三压轴卷数学试卷含解析
- 护士基础护理个人述职
- 职业生涯规划的自我监控
- 学会谈判做销冠
- 兽药课件下载
- 案例研究-广西大学文化素质教育基地
- 财务共享服务中心自建与外包的选择
- 抗生素使用分析报告
- 期末模拟考试03-【中职专用】《心理健康与职业生涯》(高教版2023·基础模块)(含答案)
- 2024年国家保安员考试题库附参考答案(考试直接用)
- 草街电厂安全知识考试题库
- 七年级道德与法治课堂情境教学的导入分析
- 2024年湖北省潜江市、天门市、仙桃市中考模拟数学试题(含答案)
- MOOC 实境英语听说-河南大学 中国大学慕课答案
- 房间隔缺损业务查房
- MOOC 创业基础(社会创业)-湖南大学 中国大学慕课答案
- 乳腺癌术后饮食与护理
- 医养结合机构护理员培训
评论
0/150
提交评论