adeptRL
1.0.0
Adept — это среда обучения с подкреплением, предназначенная для ускорения исследований путем абстрагирования инженерных проблем, связанных с глубоким обучением с подкреплением. Адепт обеспечивает:
Этот код находится в раннем доступе, ожидайте острых углов. Интерфейсы могут быть изменены. Мы рады принять отзывы и вклад.
git clone https://github.com/heronsystems/adeptRL
cd adeptRL
pip install -e .[all]Из докера:
По умолчанию журналы обучения агента находятся в /tmp/adept_logs/ . Каталог журналов содержит файл тензорной доски, сохраненные модели и другие метаданные.
# Local Mode (A2C)
# We recommend 4GB+ GPU memory, 8GB+ RAM, 4+ Cores
python -m adept.app local --env BeamRiderNoFrameskip-v4
# Distributed Mode (A2C, requires NCCL)
# We recommend 2+ GPUs, 8GB+ GPU memory, 32GB+ RAM, 4+ Cores
python -m adept.app distrib --env BeamRiderNoFrameskip-v4
# IMPALA (requires ray, resource intensive)
# We recommend 2+ GPUs, 8GB+ GPU memory, 32GB+ RAM, 4+ Cores
python -m adept.app actorlearner --env BeamRiderNoFrameskip-v4
# To see a full list of options:
python -m adept.app -h
python -m adept.app help < command >Используйте свой собственный агент, среду, сеть или подмодуль.
"""
my_script.py
Train an agent on a single GPU.
"""
from adept . scripts . local import parse_args , main
from adept . network import NetworkModule , SubModule1D
from adept . agent import AgentModule
from adept . env import EnvModule
class MyAgent ( AgentModule ):
pass # Implement
class MyEnv ( EnvModule ):
pass # Implement
class MyNet ( NetworkModule ):
pass # Implement
class MySubModule1D ( SubModule1D ):
pass # Implement
if __name__ == '__main__' :
import adept
adept . register_agent ( MyAgent )
adept . register_env ( MyEnv )
adept . register_network ( MyNet )
adept . register_submodule ( MySubModule1D )
main ( parse_args ())python my_script.py --agent MyAgent --env env-id-1 --custom-network MyNetЛокальный (один узел, один графический процессор)
Распределенный (многоузловой, с несколькими графическими процессорами)
Архитектуры обучающихся актеров с взвешиванием по важности, IMPALA (один узел, несколько графических процессоров)
python -m adept.app local --logdir ~/local64_benchmark --eval -y --nb-step 50e6 --env <env-id> Мы заимствуем фрагменты кода OpenAI и базового кода. Указываем, где это делается.
