最近打算做一个关于魂斗罗的强化学习训练,于是在网上找了一些怎么搭建Gym搭建的资料,现在做一个记录
魂斗罗的gym强化学习环境我已经搭建好了,并且已经打包发布到Pypi上了,点击这里有关项目的详细说明
整个gym_sample环境我已经上传到git,有兴趣的同学可以自己clone或者fork下来看看样例gym_sample
综述
Reinforcement Learning 已经经过了几十年的发展,发展壮大。近些年来,跟随着机器学习的浪潮开始发展壮大。多次战胜围棋冠军柯洁,以及在DOTA2、星际争霸等游戏中超凡表现,成为了众人追捧的明星。目前OpenAI作为世界NO.1的AI研究机构,构建的GYM,成为衡量强化学习算法的标准工具。通过OpenAI 的Gym直接构建自己的环境,从而利用目前现有的算法,直接求解模型。
包含大量自我理解,肯定存在不正确的地方,希望大家指正
RL and GYM
RL 考虑的是agent如何在一个环境中采取行动,以最大化一些累积奖励。 其中主要包含的是2个交互: agent对env作出动作 改变env
env 给出奖励和新的状态 给agent 其中Gym就是OpenAI所搭建的env。
具体的安装 和 介绍 主页很详细
简单的安装方法如下
git clone https://github.com/openai/gym
cd gym
pip install -e .
你也可是使用
pip install -e .[all]
来安装全部的Gym现成的环境
安装好Gym之后,可以在annaconda 的 env 下的 环境名称 文件夹下 python sitpackage 下。
在调用Gym的环境的时候可以利用:
import gym
env = gym.make('CartPole-v0')
env.reset()
for _ in range(1000):
env.render()
env.step(env.action_space.sample()) # take a random action
env.close()
GYM的文件夹下 主要包含:
文件结构如下
envs 所有环境都保存在这个文件下 spaces 环境所定义的状态、动作空间 utils 环境中使用的一组常用实用程序 warppers 包装 init 读取时初始化 core 核心环境,直接链接到给定的环境 GYM 创建的环境主要在envs中,在这个里面可以找到常用的几个环境,比如说cart-pole, MountainCar等等。 自我构建的GYM环境都应该在放在envs下子文件夹中的一个py文件中的类。 例如:
gym\envs\classic_control\cartpole.py
Gym register
所有构建的环境都需要调用GYM库,然后再通过GYM库来调用所写的环境。所以需要现在GYM的内部构件一个内链接,指向自己构建的环境。 registry 主要在
envs下 init.py 文件下
`register(`
`id='CartPole-v1',`
`entry_point='gym.envs.classic_control:CartPoleEnv',`
`max_episode_steps=500,`
`reward_threshold=475.0,`
`)`
id 调用所构建的环境的名称 调用该环境的时候 所起的名字 ==注:名字包含一些特殊符号的时候,会报错==
entry_point 所在的位置 例如上述: 存在gym 文件夹下 classic_control文件夹下 算法所需的参数 2 在所在文件夹下 建立 init 文件,在下面调用
from gym.envs.classic_control.cartpole import CartPoleEnv
其中是cartpole是环境所存在的文件名字,CartPoleEnv是该文件下的类。
Gym 环境构建 自我构建的环境为一个类。主要包含:变量、函数
必须的变量 这个类包含如下两个变量值:state 和 action 对应的两个空间为observation _space 和 action _space 这两个空间必须要用 space 文件夹下的类在__init__中进行定义。 其中 state是一个 object 一般为一个np.array 包含多个状态指示值。
必须存在的函数 step 利用动作 环境给出的一下步动作 和 环境给出的奖励(核心)
这个函数 承担了最重要的功能,是所构建环境所实现功能的位置
输入为 动作 输出为
1. 下一个状态值 object
1. 反馈 float 值
1. done(终结标志) 布尔值 0 或者1
1. info(对调试有用的任何信息) any
1. reset 重置环境
1. 将状态设置为初始状态,返回: 状态值
-
render 在图形界面上作出反应 可以没有,但是必须存在
-
close 关闭图形界面
-
seed 随机种子 可以没有,但是必须存在
状态、动作空间的构建
主要分为离散空间和连续空间: 连续空间主要由spaces.Box定义,例如:
self.action_space = spaces.Box(low=-10, high=10, shape=(1,2))
上面定义了一个取值范围在(-10,10)的变量 维度为1,2
离散空间主要有
spaces.Discrete,例如
self.observation_space = spaces.Discrete(2)
上面定义了一个变量空间范围为[0,2) 之间的整数
spaces.MultiBinary, 例如
self.observation_space = spaces.MultiBinary(2)
上面定义了一个变量空间为0,1的2维整数变量
spaces.MultiBinary, 例如
self.observation_space = MultiDiscrete()
其他还可以定义一个元组或者字典 等变量空间。
下面仔细说明一下Gym的文结构
Gym的文件结构
├── gym_test
│ ├── env
│ │ ├── env_guess_number.py
│ │ ├── __init__.py
│ └── __init__.py
在__init__.py文件下你要包含如下代码
from gym.envs.registration import register
register(
id='MYGUESSNUMBER-v0',
entry_point='gym_test.env.env_guess_number:guess_number',
)
# gym_test.env是相对于项目名字的gym的路径
# env_guess_number是env_guess_number.py
# guess_number 是类名
如何使用自定义的Gym 环境?只需要这样
import gym
import gym_test.env
env = gym.make('MYGUESSNUMBER-v0')
您必须在PYTHONPATH中安装gym_sample目录或从父目录来使用您自定义的gym环境。
例如
整个项目结构:
├── gym_test
│ ├── env
│ │ ├── env.guess_number.py
│ │ ├── __init__.py
│ │ └── __pycache__
│ │ └── __init__.cpython-37.pyc
│ └── __init__.py
├── README.md
└── test.py
init.py 文件:
from gym.envs.registration import register
register(
id='MYGUESSNUMBER-v0',
entry_point='gym_test.env.env_guess_number:guess_number',
)
env_guess_number.py文件:
import gym
from gym import spaces
from gym.utils import seeding
import numpy as np
class guess_number(gym.Env):
"""Hotter Colder
The goal of hotter colder is to guess closer to a randomly selected guess_number
After each step the agent receives an observation of:
0 - No guess yet submitted (only after reset)
1 - Guess is lower than the target
2 - Guess is equal to the target
3 - Guess is higher than the target
The rewards is calculated as:
(min(action, self.guess_number) + self.range) / (max(action, self.guess_number) + self.range)
Ideally an agent will be able to recognise the 'scent' of a higher reward and
increase the rate in which is guesses in that direction until the reward reaches
its maximum
"""
def __init__(self):
self.range = 1000 # +/- value the randomly select guess_number can be between
self.bounds = 2000 # Action space bounds
self.action_space = spaces.Box(low=np.array([-self.bounds]), high=np.array([self.bounds]))
self.observation_space = spaces.Discrete(4)
self.guess_number = 0
self.guess_count = 0
self.guess_max = 200
self.observation = 0
self.seed()
self.reset()
def seed(self, seed=None):
self.np_random, seed = seeding.np_random(seed)
return [seed]
def step(self, action):
# assert self.action_space.contains(action)
if action < self.guess_number:
self.observation = 1
elif action == self.guess_number:
self.observation = 2
elif action > self.guess_number:
self.observation = 3
reward = ((min(action, self.guess_number) + self.bounds) / (max(action, self.guess_number) + self.bounds)) ** 2
self.guess_count += 1
done = self.guess_count >= self.guess_max
return self.observation, reward, done, {"guess_number": self.guess_number, "guesses": self.guess_count}
def reset(self):
self.guess_number = self.np_random.uniform(-self.range, self.range)
print('guess number = ', self.guess_number)
self.guess_count = 0
self.observation = 0
return self.observation
test.py文件
import gym
import gym_test.env
env = gym.make('MYGUESSNUMBER-v0')
obs = env.reset()
for step in range(10000):
action = env.action_space.sample()
print(action)
obs, reward, done, info = env.step(action)