深圳住房和建设局官网网站,做网站备案需要啥资料,在哪做网站便宜又好,移动电商网站开发需求文档在ray.rllib中定义和使用自己的模型#xff0c; 分为以下三个步骤#xff1a; 1. 定义自己的模型。 2. 向ray注册自定义的模型 3. 在config中配置使用自定义的模型 环境配置#xff1a; torch2.5.1 ray2.10.0 ray[rllib]2.10.0 ray[tune]2.10.0 ray[serve]2.10.0 numpy1.23.… 在ray.rllib中定义和使用自己的模型 分为以下三个步骤 1. 定义自己的模型。 2. 向ray注册自定义的模型 3. 在config中配置使用自定义的模型 环境配置 torch2.5.1 ray2.10.0 ray[rllib]2.10.0 ray[tune]2.10.0 ray[serve]2.10.0 numpy1.23.0 python3.9.18 一、 定义自己的模型
需要继承自 TFModel 或 TorchModelV2, 并重写需要自定义的方法 其代码框架如下
import torch.nn as nn
from ray.rllib.models.torch.torch_modelv2 import TorchModelV2class My_Model(TorchModelV2, nn.Module): ## 重构以下函数 函数接口不能变。def __init__(self, obs_space, action_space, num_outputs, model_config, name, *, custom_arg1, custom_arg2): ...def forward(self, input_dict, state, seq_lens): ...def value_function(self): ...
示例如下
## 1. 定义自己的模型
import numpy as np
import torch.nn as nn
from ray.rllib.models.torch.torch_modelv2 import TorchModelV2
import gymnasium as gym
from gymnasium import spaces
from ray.rllib.utils.typing import Dict, TensorType, List, ModelConfigDictclass My_Model(TorchModelV2, nn.Module):def __init__(self, obs_space:gym.spaces.Space, action_space:gym.spaces.Space, num_outputs:int, model_config:ModelConfigDict, ## PPOConfig.training(model ModelConfigDict), 调用的是config.model中的参数name:str,*, custom_arg1, custom_arg2):TorchModelV2.__init__(self, obs_space, action_space, num_outputs,model_config,name)nn.Module.__init__(self)## 测试 custom_arg1 custom_arg2 传递进来的是什么数值print(f custom_arg1 {custom_arg1}, custom_arg2 {custom_arg2})## 定义网络层obs_dim int(np.product(obs_space.shape))action_dim int(np.product(action_space.shape))## shareNetself.shared_fc nn.Linear(obs_dim,128)## actorNetself.actorNet nn.Linear(128, action_dim)## criticNetself.criticNet nn.Linear(128,1)self._feature None def forward(self, input_dict, state, seq_lens):obs input_dict[obs].float()self._feature self.shared_fc.forward(obs)action_logits self.actorNet.forward(self._feature)return action_logits, state def value_function(self):value self.criticNet.forward(self._feature).squeeze(1)return value 在rllib中每个算法的所有网络都被汇集到同一个 ModelV2 类下供算法调用。actor 网络和critic网络可以在外面定义也可以在model内部直接定义。 model的forward用于返回actor网络的输出 value_function函数用于返回critic网络的输出。 网络结构和网络层共享可以自定义设置。输入输出接口需要与上面保持严格一致。
二、 向ray注册自定义模型 ray.rllib.model.ModelCatalog 类用于向ray注册自定义的model, 还可以用于获取env的 preprocessors 和 action distributions。
import ray
from ray.rllib.models import ModelCatalog # ModelCatalog 类 用于注册 models, 获取env的 preprocessors 和 action distributions。 ModelCatalog.register_custom_model(model_namemy_torch_model, model_class My_Model)
三、 在算法中配置并使用自定义的模型
主要是在 config.training() 模块中的 model 子模块中传入两个配置信息 1custom_model:my_torch_model , 2custom_model_config: {custom_arg1: 1, custom_arg2: 2,}})
两个关键字固定不变填入自己注册的模型名和对应的模型参数即可。
可以有以下三种配置代码的编写方式
配置方法1
## 3. 在训练中使用自定义模型
from ray.rllib.algorithms.ppo import PPOConfig
from ray.tune.logger import pretty_print config PPOConfig()
config config.environment(CartPole-v1)
config config.rollouts(num_rollout_workers2)
config config.framework(frameworktorch) ## 配置使用自定义的模型
config config.training(model {custom_model:my_torch_model , custom_model_config: {custom_arg1: 1, custom_arg2: 2,}})
## 主要在上面两行配置使用自己的模型
## 配置 model 的 custom_model 项用于指定rllib算法所使用的模型
## 配置 model 的 custom_model_config 项用于传入自定义的网络参数供自定义的model使用。
## 这两个关键词不可更改。algo config.build()
## 4. 执行训练
result algo.train()
print(pretty_print(result))
与以上配置内容一样还可以用以下两种配置写法
配置方法2
config PPOConfig()
config config.environment(CartPole-v1)
config config.rollouts(num_rollout_workers2)
config config.framework(frameworktorch) ## 配置自定义模型
model_config_dict {}
model_config_dict[custom_model] my_torch_model
model_config_dict[custom_model_config] {custom_arg1: 1, custom_arg2: 2,}
config config.training(model model_config_dict) algo config.build() 配置方法3推荐
config PPOConfig()
config config.environment(CartPole-v1)
config config.rollouts(num_rollout_workers2)
config config.framework(frameworktorch) ## 配置自定义模型
config.model[custom_model] my_torch_model
config.model[custom_model_config] {custom_arg1: 1, custom_arg2: 2,}algo config.build() 代码汇总 在ray.rllib中定义和使用自己的模型 分为以下三个步骤
1. 定义自己的模型。 需要继承自 TFModel 或 TorchModelV2, 并重写需要自定义的方法import torch.nn as nnfrom ray.rllib.models.torch.torch_modelv2 import TorchModelV2class CustomTorchModel(TorchModelV2, nn.Module): ## 重构以下函数 函数接口不能变。 def __init__(self, obs_space, action_space, num_outputs, model_config, name, *, custom_arg1, custom_arg2): ...def forward(self, input_dict, state, seq_lens): ...def value_function(self): ...2. 向ray注册自定义的模型from ray.rllib.models import ModelCatalogModelCatalog.register_custom_model(wzg_torch_model, CustomTorchModel)3. 在config中配置使用自定义的模型model_config_dict {custom_model:wzg_torch_model,custom_model_config:{custom_arg1: 1,custom_arg2: 2}}config PPOConfig()# config config.training(model model_config_dict)config.model[custom_model] wzg_torch_modelconfig.model[custom_model_config] {custom_arg1: 1,custom_arg2: 2}
## 1. 定义自己的模型
import numpy as np
import torch.nn as nn
from ray.rllib.models.torch.torch_modelv2 import TorchModelV2
import gymnasium as gym
from gymnasium import spaces
from ray.rllib.utils.typing import Dict, TensorType, List, ModelConfigDictclass My_Model(TorchModelV2, nn.Module):def __init__(self, obs_space:gym.spaces.Space, action_space:gym.spaces.Space, num_outputs:int, model_config:ModelConfigDict, ## PPOConfig.training(model ModelConfigDict), 调用的是config.model中的参数name:str,*, custom_arg1, custom_arg2):TorchModelV2.__init__(self, obs_space, action_space, num_outputs,model_config,name)nn.Module.__init__(self)## 测试 custom_arg1 custom_arg2 传递进来的是什么数值print(f custom_arg1 {custom_arg1}, custom_arg2 {custom_arg2})## 定义网络层obs_dim int(np.product(obs_space.shape))action_dim int(np.product(action_space.shape))## shareNetself.shared_fc nn.Linear(obs_dim,128)## actorNetself.actorNet nn.Linear(128, action_dim)## criticNetself.criticNet nn.Linear(128,1)self._feature None def forward(self, input_dict, state, seq_lens):obs input_dict[obs].float()self._feature self.shared_fc.forward(obs)action_logits self.actorNet.forward(self._feature)return action_logits, state def value_function(self):value self.criticNet.forward(self._feature).squeeze(1)return value ## 2. 向ray注册自定义模型
import ray
from ray.rllib.models import ModelCatalog # ModelCatalog 类 用于注册 models, 获取env的 preprocessors 和 action distributions。 ModelCatalog.register_custom_model(model_namemy_torch_model, model_class My_Model)
ray.init()## 3. 在训练中使用自定义模型
from ray.rllib.algorithms.ppo import PPOConfig
from ray.tune.logger import pretty_print config PPOConfig()
config config.environment(CartPole-v1)
config config.rollouts(num_rollout_workers2)
config config.framework(frameworktorch) # ## 配置自定义模型方法 1
# config config.training(model {custom_model:my_torch_model ,
# custom_model_config: {custom_arg1: 1, custom_arg2: 2,}})
# ## 配置自定义模型方法 2
# model_config_dict {}
# model_config_dict[custom_model] my_torch_model
# model_config_dict[custom_model_config] {custom_arg1: 1, custom_arg2: 2,}
# config config.training(model model_config_dict) ## 配置自定义模型: 方法 3 个人更喜欢 因为嵌套层次少
config.model[custom_model] my_torch_model
config.model[custom_model_config] {custom_arg1: 1, custom_arg2: 2,}## 错误方法
# model_config_dict {}
# model_config_dict[custom_model] my_torch_model
# model_config_dict[custom_model_config] {custom_arg1: 1, custom_arg2: 2,}
# config.model model_config_dict # 会清空 model 里面的其他默认配置导致报错algo config.build()## 4. 执行训练
result algo.train()
print(pretty_print(result))
