如何得到训练rl模型对内置ai的胜率
Zhouchenhaoustc opened this issue · comments
我希望能得到模型对ai的胜率，因此我将
finally:
print("Parameter_Server end:")
print("--------------------")
print("mean_points_list:", mean_points_list)
print("latest_mean_points:", latest_mean_points)
print("max_mean_points:", max_mean_points)
print("win_rate_list:", win_rate_list)
print("latest_win_rate:", latest_win_rate)
print("max_win_rate:", max_win_rate)
print("--------------------")
这一段代码反注释并重新训练rl模型，但是最后输出的结果为0，我想知道怎么做才能得到您文章中的胜率结果
这些内容不需要反注释
你只要按照在说明中给的步骤，跑run.py就可以了
建议跑rl的时候用我们给的sl模型
sl模型也可以自己训练，可是这个训练的过拟合的概率可能会较高，用我们给的sl模型较为保险
这些内容不需要反注释
你只要按照在说明中给的步骤，跑run.py就可以了
建议跑rl的时候用我们给的sl模型
sl模型也可以自己训练，可是这个训练的过拟合的概率可能会较高，用我们给的sl模型较为保险
那我之前直接跑run.py的情况下好像得不到胜率，请问怎么才能看到rl模型的胜率呢
胜率用log来看，你把训练后的log曲线用tensorboard打开，整个胜率的增长过程（一开始多少，然后涨到了多少，最终多少）都一清二楚，通过一条线来表达。
胜率不是用output的输出来看的。
胜率用log来看，你把训练后的log曲线用tensorboard打开，整个胜率的增长过程（一开始多少，然后涨到了多少，最终多少）都一清二楚，通过一条线来表达。
胜率不是用output的输出来看的。
您好，我用tensorboard打开log时，发现没有显示胜率曲线，而是只有loss函数的曲线，想问一下是因为什么原因
你的程序跑了多久？使用了多少进程和线程跑的？
我现在猜测你跑的游戏局数（episode）可能根本没到100。训练程序会每100局统计一次胜率，即用当前胜的局数除以100就是胜率。假设这100局有32局获胜了，胜率就是0.32。如果要跑出一条曲线的话，至少要好几百局（这样才有好几个点可以连成一条线）。
你现在的情况可能是连100局都没有跑到，因此连最开始的统计胜率的那个节点都没有运行到。
你的程序跑了多久？使用了多少进程和线程跑的？
我现在猜测你跑的游戏局数（episode）可能根本没到100。训练程序会每100局统计一次胜率，即用当前胜的局数除以100就是胜率。假设这100局有32局获胜了，胜率就是0.32。如果要跑出一条曲线的话，至少要好几百局（这样才有好几个点可以连成一条线）。
你现在的情况可能是连100局都没有跑到，因此连最开始的统计胜率的那个节点都没有运行到。
我也认为是局数不足。我的运行时间是30分钟，进程应该是8个，运行结束时提示 Beyond the max_episodes, return! ，因此我尝试修改MAX_EPISODES的值，但是我发现将其从44500改为442000后，运行时间并没有变化。那我怎么才能运行正常的局数呢？
agent_0 get final reward 1.0
agent_0 get outcome 1
Parameter_Server winloss_list [1]
Parameter_Server points_list [1.0]
Parameter_Server Exception cause return, Detials of the Exception: index -1 is out of bounds for axis 0 with size 0
Beyond the max_episodes, return!
RequestQuit command received.
Traceback (most recent call last):
File "/home/ustc-lc1/zhouch/AlphaStar/alphastarmini/core/rl/rl_vs_inner_bot_mp.py", line 786, in Parameter_Server
episode_outcome[row, col] = outcome
IndexError: index -1 is out of bounds for axis 0 with size 0
Closing Application...
Parameter_Server end:
mean_points_list: []
unable to parse websocket frame.
latest_mean_points: 0.0
max_mean_points: 0.0
win_rate_list: []
latest_win_rate: 0.0
max_win_rate: 0.0
在param.py里有个on_server，你要改成ture（false的情况是用来你在本地测试用的，只有改成ture才会运行大批量测试，所以在服务器上的param.py和在本地的param.py的代码是不一样的，专门用来区分服务器和本地，其它代码则是一样的，这样可以简化部署）
当on_server = True以后，在rl_vs_inner_bot_mp.py里最上面几行
SIMPLE_TEST = not P.on_server if SIMPLE_TEST: MAX_EPISODES = 1 ACTOR_NUMS = 1 PARALLEL = 1 GAME_STEPS_PER_EPISODE = 18000 MAX_FRAMES = 18000 * 5 else: MAX_EPISODES = 4 * 4 * 500 ACTOR_NUMS = 2 # 2 PARALLEL = 8 + 7 * 1 GAME_STEPS_PER_EPISODE = 18000 MAX_FRAMES = 18000 * MAX_EPISODES
中‘MAX_EPISODES = 4 * 4 * 500’ 这个值是你需要调整的episodes数量
4 * 4 * 500一般来说，你运行不到这么多，所以你根据需要调整
另外，推荐用nohup指令来运行这种多进程的训练，这样你可以随时通过kill掉这个nohup的主进程来停止训练（当kill掉主进程以后，其它的进程会同时结束）
在param.py里有个on_server，你要改成ture（false的情况是用来你在本地测试用的，只有改成ture才会运行大批量测试，所以在服务器上的param.py和在本地的param.py的代码是不一样的，专门用来区分服务器和本地，其它代码则是一样的，这样可以简化部署）
当on_server = True以后，在rl_vs_inner_bot_mp.py里最上面几行
SIMPLE_TEST = not P.on_server if SIMPLE_TEST: MAX_EPISODES = 1 ACTOR_NUMS = 1 PARALLEL = 1 GAME_STEPS_PER_EPISODE = 18000 MAX_FRAMES = 18000 * 5 else: MAX_EPISODES = 4 * 4 * 500 ACTOR_NUMS = 2 # 2 PARALLEL = 8 + 7 * 1 GAME_STEPS_PER_EPISODE = 18000 MAX_FRAMES = 18000 * MAX_EPISODES中‘MAX_EPISODES = 4 * 4 * 500’ 这个值是你需要调整的episodes数量
4 * 4 * 500一般来说，你运行不到这么多，所以你根据需要调整
另外，推荐用nohup指令来运行这种多进程的训练，这样你可以随时通过kill掉这个nohup的主进程来停止训练（当kill掉主进程以后，其它的进程会同时结束）
您好，我使用了在'MAX_EPISODES = 4 * 4 * 500'下训练了24h，但是得到的胜率只有一个值，但正常应该一百个episode输出一个胜率，这是因为什么问题
有一个值是代表超过100局了，但没有运行到200局，
你的
ACTOR_NUMS
与
PARALLEL
这两个参数设置的是多少？
ACTOR_NUMS = 2
PARALLEL = 8 + 7 * 1
我没有改过这两个值
有点奇怪，你能跟我说下你的电脑配置么？
如果电脑的GPU卡不多的，建议把PARALLEL设置低点
PARALLEL可以设置成跟你机器拥有的GPU卡的数目一样的值。
如果出来的比较慢，可以把这个值STATIC_NUM设置的小点，例如30，不能太小，否则结果会比较抖动。
我按照服务器GPU数修改PARALLEL的值为2，但是运行时间和次数变少了，tensorbored上显示的运行时间从25h变成了14h
winrate能够看到有线么？
两个GPU确实有点少了，而且你的GPU估计也不如V100。
我们这里是8个V100全力并行运行一天左右的结果。