培训强化学习代理的选项
最大集
—训练特工的最大次数500
(默认)|正整数训练代理的最大集数,指定为正整数。无论其他终止条件如何,训练将在最大集
.
例子:“MaxEpisodes”,1000年
MaxStepsPerEpisode
—每集运行的最大步骤数500
(默认)|正整数每集运行的最大步骤数,指定为正整数。通常,您可以在环境中定义集终止条件。此值是在不满足其他终止条件时在情节中运行的最大步骤数。
例子:“MaxStepsPerEpisode”,1000
ScoreAveragingWindowLength
—平均窗口长度5.
(默认)|正整数标量|正整数向量平均每个代理的分数、奖励和步骤数的窗口长度,指定为标量或向量。
如果培训环境包含单个代理,请指定ScoreAveragingWindowLength
作为标量。
如果培训环境是多智能体Simulink万博1manbetx®环境中,指定标量以将相同的窗口长度应用于所有代理。
要为每个代理使用不同的窗口长度,请指定ScoreAveragingWindowLength
作为一个向量。在本例中,向量中元素的顺序与环境创建期间使用的代理的顺序相对应。
对于以平均值表示的期权,ScoreAveragingWindowLength
是平均值中包含的剧集数。例如,如果StopTrainingCriteria
是“平均向上”
和StopTrainingValue
是500
对于给定的代理,那么对于该代理,训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength
等于或超过500
.对于其他代理人,继续培训,直至:
所有代理都达到其停止标准。
集数达到最大集
.
您可以通过单击停止训练事件管理器中的按钮或按Ctrl-C在MATLAB®命令行。
例子:“ScoreAveragingWindowLength”,10
StopTrainingCriteria
—训练终止条件“AverageSteps”
(默认)|“平均向上”
|“EpisodeCount”
|……培训终止条件,指定为以下字符串之一:
“AverageSteps”
-当每集的运行平均步数等于或超过选项指定的临界值时,停止训练StopTrainingValue
. 使用窗口计算平均值“ScoreAveragingWindowLength”
.
“平均向上”
-当跑步平均奖励等于或超过临界值时停止训练。
“EpisodeReward”
-当当前情节中的奖励等于或超过临界值时停止训练。
“全局步数”
—当所有剧集的总步数(调用代理的总次数)等于或超过临界值时停止训练。
“EpisodeCount”
—当训练集数达到或超过临界值时,停止训练。
例子:'stoptriningcriteria',“AverageReward”
StopTrainingValue
—训练终止条件的临界值500
(默认)|标量|向量训练终止条件的临界值,指定为标量或向量。
如果培训环境包含单个代理,请指定StopTrainingValue
作为标量。
如果训练环境是多智能体Simulink环境,则指定一个标量对所有智能体应用相同的终止准则。万博1manbetx若要为每个代理使用不同的终止条件,请指定StopTrainingValue
作为向量。在这种情况下,向量中元素的顺序对应于环境创建期间使用的代理的顺序。
对于给定的代理,培训将在StopTrainingCriteria
选项等于或超过此值。对于其他代理人,培训继续进行,直到:
所有代理都达到其停止标准。
集数达到最大集
.
您可以通过单击停止训练事件管理器中的按钮或按Ctrl-C在MATLAB命令行。
例如,如果StopTrainingCriteria
是“平均向上”
和StopTrainingValue
是100
对于给定的代理,那么对于该代理,训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength
等于或超过100
.
例子:“停止训练值”,100
SaveAgentCriteria
—在训练过程中为救援人员提供的条件“没有”
(默认)|“EpisodeReward”
|“平均向上”
|“EpisodeCount”
|……条件,指定为以下字符串之一:
“没有”
- 在培训期间不要保存任何代理商。
“EpisodeReward”
-当当前情节中的奖励等于或超过临界值时,保存代理。
“AverageSteps”
-当每集运行的平均步数等于或超过选项指定的临界值时,保存代理StopTrainingValue
. 使用窗口计算平均值“ScoreAveragingWindowLength”
.
“平均向上”
-当所有情节的运行平均奖励等于或超过临界值时,保存代理。
“全局步数”
-当所有事件中的步骤总数(调用代理的总次数)等于或超过临界值时,保存代理。
“EpisodeCount”
-当训练集数等于或超过临界值时保存代理。
设置此选项可存储根据指定条件表现良好的候选代理。当您将此选项设置为除“没有”
,软件设置SaveAgentValue
选择500。您可以更改该值以指定保存代理的条件。
例如,假设您要存储进一步测试任何产生等于或超过100的剧集奖励的代理。要执行此操作SaveAgentCriteria
来“EpisodeReward”
设定SaveAgentValue
选择100。当一集奖励等于或超过100时,火车
将对应的代理保存到指定文件夹中的MAT文件中SaveAgentDirectory
选项。掩码文件被调用AgentK.mat
,在那里K
为对应插曲的个数。代理存储在MAT文件中为保存的\u代理
.
例子:“SaveAgentCriteria”、“EpisodeReward”
SaveAgentValue
—节约剂条件的临界值“没有”
(默认)|500|标量|向量保存代理的条件的临界值,指定为标量或向量。
如果培训环境包含单个代理,请指定SaveAgentValue
作为标量。
如果训练环境是多智能体Simulink环境,则指定一个标量对每个智能体应用相同的保存准则。万博1manbetx要在满足特定条件时保存代理,请指定SaveAgentValue
作为一个向量。在本例中,向量中元素的顺序与创建环境时使用的代理的顺序相对应。当满足保存代理的条件时,所有代理将保存在同一个MAT文件中。
使用指定保存候选代理的条件时SaveAgentCriteria
时,软件将此值设置为500。更改该值以指定保存代理的条件。看到SaveAgentCriteria
选项以获取更多详细信息。
例子:“SaveAgentValue”,100
SaveAgentDirectory
—保存的代理程序文件夹“储蓄”
(默认)|字符串|特征向量保存的代理程序的文件夹,指定为字符串或字符向量。文件夹名称可以包含完整路径或相对路径。当事件发生时,满足条件SaveAgentCriteria
和SaveAgentValue
选项时,该软件将代理保存在此文件夹中的MAT文件中。如果该文件夹不存在,火车
创建它。当SaveAgentCriteria
是“没有”
,此选项将被忽略火车
不创建文件夹。
例子:'SaveAgentDirectory', pwd + "\run1\Agents"
使用并行
—使用平行训练的标志错误的
(默认)|符合事实的
用于使用并行训练的标志,指定为必然的
.将此选项设置为符合事实的
将培训配置为使用并行处理来模拟环境,从而允许使用多核、处理器、计算机集群或云资源来加速培训。要指定并行训练的选项,请使用并行化选项
所有物
当使用并行
是符合事实的
然后对于DQN、DDPG、TD3和SACNumStepsToLookAhead
属性或相应的代理选项对象必须设置为1.
,否则将生成错误。这保证了经验是连续存储的。当AC代理并行训练时,如果StepsUntilDataIsSent
财产的财产并行化选项
对象设置为不同的值NumStepToLookAhead
属性。
请注意,如果要使用本地GPU加速深层神经网络计算(如梯度计算、参数更新和预测),则无需设置使用并行
这是真的。相反,在创建演员或评论家形象时,请使用rlRepresentationOptions
其中的对象UseDevice
选项设置为“图形”
.使用并行计算或GPU需要并行计算工具箱™软件。另外需要使用计算机集群或云资源MATLAB并行服务器™. 有关使用多核处理器和GPU进行培训的更多信息,请参阅使用并行计算和GPU训练代理.
例子:“UseParallel”,对
并行化选项
—控制并行训练的选项ParallelTraining
对象用于控制并行训练的并行化选项,指定为ParallelTraining
有关使用并行计算进行培训的更多信息,请参阅培训强化学习代理.
这个ParallelTraining
对象具有以下属性,您可以在创建RL培训选项
对象
模式
-并行计算模式“同步”
(默认)|“异步”
并行计算模式,指定为以下方式之一:
“同步”
——使用帕尔普
对可用的工作人员进行同步培训。在这种情况下,workers暂停执行,直到所有workers完成。主机根据所有worker的结果更新actor和critic参数,并将更新后的参数发送给所有worker。注意,同步训练对于基于梯度的并行化是必需的DataToSendFromWorkers.
被设置为“梯度”
然后模式
必须设置为“同步”
.
“异步”
——使用帕尔普
在可用工人上运行异步培训。在这种情况下,工作人员一旦完成并接收来自主机的更新参数,就会将其数据发送回主头。然后工人继续他们的任务。
DataToSendFromWorkers.
—工作人员发送给主机的数据类型“经验”
(默认)|“梯度”
工作人员发送到主机的数据类型,指定为以下字符串之一:
“经验”
-模拟由工作人员执行,学习由主机执行。具体而言,工作人员针对环境模拟agent,并发送经验数据(观察、行动、奖励、下一次观察,以及指示是否达到终端条件的标志)对于具有梯度的代理,主机根据经验计算梯度,更新网络参数,并将更新后的参数发送回工作人员,以便他们可以针对环境执行新的模拟。
“梯度”
-模拟和学习都由工人完成。具体来说,工作人员根据环境模拟代理,根据经验计算梯度,并将梯度发送给主机。主机对梯度进行平均,更新网络参数,并将更新后的参数发送给工作人员,以便他们能够针对环境执行新的模拟。这个选项需要同步训练模式
设置为“同步”
.
笔记
对于AC和PG代理,必须指定DataToSendFromWorkers.
像“梯度”
.
对于DQN、DDPG、PPO、TD3和SAC代理,必须指定DataToSendFromWorkers.
像“经验”
.
StepsUntilDataIsSent
-工作人员向主机发送数据的步骤数1
(默认)|正整数工作人员向主机发送数据并接收更新参数的步骤数,指定为1
或正整数。当此选项为1
,工作进程将等待到事件结束,然后将所有步骤数据发送到主机。否则,工作进程将在发送数据之前等待指定的步骤数。
笔记
AC代理不接受StepsUntilDataIsSent=-1
. 对于交流培训,设置StepsUntilDataIsSent
等于NumStepToLookAhead
AC代理选项。
对于PG代理,必须指定StepsUntilDataIsSent=-1
.
杂役种子
-随机化初始化工人1
(默认)|2
|载体工作程序的随机发生器初始化,指定为以下选项之一:
1
-给每个工人分配一个唯一的随机种子。种子的值是worker ID。
2
-不要将随机种子分配给工人。
Vector-手动为每个辅助进程指定随机种子。向量中的元素数必须与辅助进程数匹配。
TransferBaseWorkspace变量
-将模型和工作空间变量发送给并行工作人员的选项“上”
(默认)|“关”
将模型和工作空间变量发送给并行工作程序的选项,指定为“上”
或“关”
. 当选项为“上”
,主机将模型中使用的变量和基础MATLAB工作区中定义的变量发送给工作人员。
附件文件
-附加到并行池的其他文件[]
(默认)|字符串|字符串数组附加到并行池的附加文件,指定为字符串或字符串数组。
SetupFcn
-在训练开始前运行功能[]
(默认)|函数句柄在训练开始前运行的函数,指定为没有输入参数的函数的句柄。该函数在培训开始前对每个工人运行一次。编写这个函数来执行训练之前需要的任何处理。
CleanupFcn
-训练结束后运行[]
(默认)|函数句柄训练结束后运行的函数,指定为没有输入参数的函数的句柄。您可以编写此函数以在培训结束后清理工作区或执行其他处理。
冗长的
—在命令行上显示培训进度错误的
(0)(默认)|符合事实的
(1)在命令行上显示训练进度,指定为逻辑值错误的
(0)或符合事实的
(1). 着手符合事实的
在训练期间将每个训练集的信息写入MATLAB命令行。
StopOnError
—出现错误时停止培训的选项“上”
(默认)|“关”
选项停止训练时,错误发生在一集,指定为“上”
或“关”
.当这个选项是“关”
中捕获并返回错误模拟信息
产量火车
,培训将继续进行到下一集。
情节
—用集团经理显示培训进度的选项“训练进步”
(默认)|“没有”
使用事件管理器显示培训进度的选项,指定为“训练进步”
或“没有”
。默认情况下,调用火车
打开Reinforcement Learning Episode Manager,它以图形化和数字化的方式显示关于训练进度的信息,例如每个章节的奖励、平均奖励、章节数量和总步骤数。(有关更多信息,请参见火车
)要关闭此显示,请将此选项设置为“没有”
.
火车 |
在特定环境中培训强化学习代理 |
创建用于训练强化学习代理的选项集。设置最大集数和每集的最大步数为1000。配置选项,当平均奖励等于或超过480时停止训练,并打开命令行显示和Reinforcement Learning Episode Manager来显示训练结果。在创建选项集时,可以使用名称-值对参数设置选项。没有显式设置的任何选项都有其默认值。
培训选项=RL培训选项(...“MaxEpisodes”, 1000,...'maxstepperepisode', 1000,...“停止培训标准”,“平均向上”,...“停止训练值”, 480,...“详细”,真的,...“情节”,“训练进步”)
trainOpts=rlTrainingOptions with properties:MaxSpices:1000 MaxStepRepisode:1000 Score AveragingWindowLength:5 StopTrainingCriteria:“AverageWard”StopTrainingValue:480 SaveAgentCriteria:“none”SaveAgentValue:“none”SaveAgentDirectory:“savedAgents”Verbose:1绘图:“培训进度”StopOner:“开”UseParallel:0并行化选项:[1x1 rl.option.ParallelTraining]
或者,创建一个默认选项集,并使用点符号更改某些值。
trainOpts = rlTrainingOptions;trainOpts。MaxEpisodes = 1000;trainOpts。MaxStepsPerEpisode = 1000;trainOpts。StopTrainingCriteria =“平均向上”; trainOpts.StopTrainingValue=480;trainOpts.Verbose=true;火车路线图=“训练进步”;trainOpts
trainOpts=rlTrainingOptions with properties:MaxSpices:1000 MaxStepRepisode:1000 Score AveragingWindowLength:5 StopTrainingCriteria:“AverageWard”StopTrainingValue:480 SaveAgentCriteria:“none”SaveAgentValue:“none”SaveAgentDirectory:“savedAgents”Verbose:1绘图:“培训进度”StopOner:“开”UseParallel:0并行化选项:[1x1 rl.option.ParallelTraining]
您现在可以使用trainOpts
作为火车
命令。
创建一个选项对象,用于在同一环境中同时培训三个代理。
将每集的最大集数和最大步数设置为1000
.配置选项,当第一个代理的平均奖励超过5集或超过400时停止训练,当第二个代理的平均奖励超过400时停止训练10
每集等于或超过500集,第三个是平均奖励超过15集等于或超过600集。代理的顺序是环境创建期间使用的顺序。
当当前情节中第一个代理的奖励超过100时,或者当第二个代理的奖励超过120时,第三个代理的奖励等于或超过140时,保存代理。
打开命令行显示和强化学习事件管理器以显示培训结果。创建选项集时,可以使用名称-值对参数设置选项。任何未显式设置的选项都有其默认值。
培训选项=RL培训选项(...“MaxEpisodes”, 1000,...'maxstepperepisode', 1000,...“ScoreAveragingWindowLength”(5 10 15),...“停止培训标准”,“平均向上”,...“停止训练值”(400 500 600),...“SaveAgentCriteria”,“EpisodeReward”,...“SaveAgentValue”(100 120 140),...“详细”,真的,...“情节”,“训练进步”)
trainOpts = rlTrainingOptions属性:MaxEpisodes: 1000 MaxStepsPerEpisode: 1000 ScoreAveragingWindowLength: [5 10 15] StopTrainingCriteria:“AverageReward”StopTrainingValue: [400 500 600] SaveAgentCriteria:“EpisodeReward”SaveAgentValue: [100 120 140] SaveAgentDirectory:“savedAgents”详细:1块:“训练进步”StopOnError:"on" UseParallel: 0 parallelationoptions: [1x1 rl.option.ParallelTraining]
或者,创建一个默认选项集,并使用点符号更改某些值。
trainOpts = rlTrainingOptions;trainOpts。MaxEpisodes = 1000;trainOpts。MaxStepsPerEpisode = 1000;trainOpts。ScoreAveragingWindowLength = [5 10 15];trainOpts。StopTrainingCriteria =“平均向上”;trainOpts。StopTrainingValue = [400 500 600];trainOpts。SaveAgentCriteria =“EpisodeReward”;训练.saveagentValue = [100 120 140];训练。鼠标=真;训练.Plots =.“训练进步”;trainOpts
trainOpts = rlTrainingOptions属性:MaxEpisodes: 1000 MaxStepsPerEpisode: 1000 ScoreAveragingWindowLength: [5 10 15] StopTrainingCriteria:“AverageReward”StopTrainingValue: [400 500 600] SaveAgentCriteria:“EpisodeReward”SaveAgentValue: [100 120 140] SaveAgentDirectory:“savedAgents”详细:1块:“训练进步”StopOnError:"on" UseParallel: 0 parallelationoptions: [1x1 rl.option.ParallelTraining]
您可以指定一个标量,将相同的标准应用于所有代理。例如,使用的窗口长度为10
三个探员都有。
trainOpts。ScoreAveragingWindowLength = 10
trainOpts=rlTrainingOptions with properties:MaxSections:1000 MaxStepRepisode:1000 Score AveragingWindowLength:10 StopTraining标准:“AverageWard”StopTraining值:[400 500 600]SaveAgentCriteria:“EpiodeReward”SaveAgentValue:[100 120 140]SaveAgentDirectory:“savedAgents”详细描述:1绘图:“培训进度”StopOner:“开”UseParallel:0并行化选项:[1x1 rl.option.ParallelTraining]
您现在可以使用trainOpts
作为火车
命令。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。