O Google I / O retorna de 18 a 20 de maio! Reserve espaço e monte sua agenda Cadastre-se agora

Treine uma Deep Q Network com agentes TF

Ver no TensorFlow.org Executar no Google Colab Ver fonte no GitHubBaixar caderno

Introdução

Este exemplo mostra como treinar um agente DQN (Deep Q Networks) no ambiente Cartpole usando a biblioteca TF-Agents.

Ambiente de cartpole

Ele o guiará por todos os componentes em um pipeline de Reinforcement Learning (RL) para treinamento, avaliação e coleta de dados.

Para executar este código ao vivo, clique no link 'Executar no Google Colab' acima.

Configurar

Se você não instalou as seguintes dependências, execute:

sudo apt-get update
sudo apt-get install -y xvfb ffmpeg
pip install -q 'imageio==2.4.0'
pip install -q pyvirtualdisplay
pip install -q tf-agents

from __future__ import absolute_import, division, print_function

import base64
import imageio
import IPython
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import PIL.Image
import pyvirtualdisplay

import tensorflow as tf

from tf_agents.agents.dqn import dqn_agent
from tf_agents.environments import suite_gym
from tf_agents.environments import tf_py_environment
from tf_agents.eval import metric_utils
from tf_agents.metrics import tf_metrics
from tf_agents.networks import sequential
from tf_agents.policies import random_tf_policy
from tf_agents.replay_buffers import tf_uniform_replay_buffer
from tf_agents.trajectories import trajectory
from tf_agents.specs import tensor_spec
from tf_agents.utils import common

# Set up a virtual display for rendering OpenAI gym environments.
display = pyvirtualdisplay.Display(visible=0, size=(1400, 900)).start()

tf.version.VERSION

'2.4.1'

Hiperparâmetros

num_iterations = 20000 # @param {type:"integer"}

initial_collect_steps = 100  # @param {type:"integer"} 
collect_steps_per_iteration = 1  # @param {type:"integer"}
replay_buffer_max_length = 100000  # @param {type:"integer"}

batch_size = 64  # @param {type:"integer"}
learning_rate = 1e-3  # @param {type:"number"}
log_interval = 200  # @param {type:"integer"}

num_eval_episodes = 10  # @param {type:"integer"}
eval_interval = 1000  # @param {type:"integer"}

Meio Ambiente

Na Aprendizagem por Reforço (RL), um ambiente representa a tarefa ou problema a ser resolvido. Ambientes padrão podem ser criados em TF-Agents usando suítes tf_agents.environments . TF-Agents tem suítes para carregar ambientes de fontes como OpenAI Gym, Atari e DM Control.

Carregue o ambiente CartPole da suíte OpenAI Gym.

env_name = 'CartPole-v0'
env = suite_gym.load(env_name)

Você pode renderizar este ambiente para ver como fica. Uma vara de balanço livre é presa a um carrinho. O objetivo é mover o carrinho para a direita ou para a esquerda para manter o mastro apontando para cima.

env.reset()
PIL.Image.fromarray(env.render())

png

O environment.step método tem uma action no ambiente e retorna um TimeStep tupla contendo a seguinte observação do ambiente e a recompensa para a acção.

O método time_step_spec() retorna a especificação para a tupla TimeStep . Seu atributo de observation mostra a forma das observações, os tipos de dados e os intervalos de valores permitidos. O atributo de reward mostra os mesmos detalhes da recompensa.

print('Observation Spec:')
print(env.time_step_spec().observation)

Observation Spec:
BoundedArraySpec(shape=(4,), dtype=dtype('float32'), name='observation', minimum=[-4.8000002e+00 -3.4028235e+38 -4.1887903e-01 -3.4028235e+38], maximum=[4.8000002e+00 3.4028235e+38 4.1887903e-01 3.4028235e+38])

print('Reward Spec:')
print(env.time_step_spec().reward)

Reward Spec:
ArraySpec(shape=(), dtype=dtype('float32'), name='reward')

O método action_spec() retorna a forma, tipos de dados e valores permitidos de ações válidas.

print('Action Spec:')
print(env.action_spec())

Action Spec:
BoundedArraySpec(shape=(), dtype=dtype('int64'), name='action', minimum=0, maximum=1)

No ambiente do Cartpole:

  • observation é uma matriz de 4 flutuadores:
    • a posição e velocidade do carrinho
    • a posição angular e a velocidade do pólo
  • reward é um valor flutuante escalar
  • action é um inteiro escalar com apenas dois valores possíveis:
    • 0 - "mover para a esquerda"
    • 1 - "mover para a direita"
time_step = env.reset()
print('Time step:')
print(time_step)

action = np.array(1, dtype=np.int32)

next_time_step = env.step(action)
print('Next time step:')
print(next_time_step)

Time step:
TimeStep(step_type=array(0, dtype=int32), reward=array(0., dtype=float32), discount=array(1., dtype=float32), observation=array([ 0.01730286,  0.04666085,  0.01145206, -0.0473538 ], dtype=float32))
Next time step:
TimeStep(step_type=array(1, dtype=int32), reward=array(1., dtype=float32), discount=array(1., dtype=float32), observation=array([ 0.01823608,  0.24161673,  0.01050499, -0.3364016 ], dtype=float32))

Normalmente, dois ambientes são instanciados: um para treinamento e outro para avaliação.

train_py_env = suite_gym.load(env_name)
eval_py_env = suite_gym.load(env_name)

O ambiente Cartpole, como a maioria dos ambientes, é escrito em Python puro. Isso é convertido em TensorFlow usando o wrapper TFPyEnvironment .

A API do ambiente original usa matrizes Numpy. Os TFPyEnvironment converte esses para Tensors para torná-lo compatível com agentes e políticas Tensorflow.

train_env = tf_py_environment.TFPyEnvironment(train_py_env)
eval_env = tf_py_environment.TFPyEnvironment(eval_py_env)

Agente

O algoritmo usado para resolver um problema de RL é representado por um Agent . TF-Agents fornece implementações padrão de uma variedade de Agents , incluindo:

O agente DQN pode ser usado em qualquer ambiente que tenha um espaço de ação discreto.

No coração de um Agente DQN está um QNetwork , um modelo de rede neural que pode aprender a prever QValues (retornos esperados) para todas as ações, dada uma observação do ambiente.

Usaremos tf_agents.networks. para criar um QNetwork . A rede consistirá em uma sequência de camadas tf.keras.layers.Dense , onde a camada final terá 1 saída para cada ação possível.

fc_layer_params = (100, 50)
action_tensor_spec = tensor_spec.from_spec(env.action_spec())
num_actions = action_tensor_spec.maximum - action_tensor_spec.minimum + 1

# Define a helper function to create Dense layers configured with the right
# activation and kernel initializer.
def dense_layer(num_units):
  return tf.keras.layers.Dense(
      num_units,
      activation=tf.keras.activations.relu,
      kernel_initializer=tf.keras.initializers.VarianceScaling(
          scale=2.0, mode='fan_in', distribution='truncated_normal'))

# QNetwork consists of a sequence of Dense layers followed by a dense layer
# with `num_actions` units to generate one q_value per available action as
# it's output.
dense_layers = [dense_layer(num_units) for num_units in fc_layer_params]
q_values_layer = tf.keras.layers.Dense(
    num_actions,
    activation=None,
    kernel_initializer=tf.keras.initializers.RandomUniform(
        minval=-0.03, maxval=0.03),
    bias_initializer=tf.keras.initializers.Constant(-0.2))
q_net = sequential.Sequential(dense_layers + [q_values_layer])

Agora use tf_agents.agents.dqn.dqn_agent para instanciar um DqnAgent . Além de time_step_spec , action_spec e QNetwork, o construtor do agente também requer um otimizador (neste caso, AdamOptimizer ), uma função de perda e um contador de passo inteiro.

optimizer = tf.keras.optimizers.Adam(learning_rate=learning_rate)

train_step_counter = tf.Variable(0)

agent = dqn_agent.DqnAgent(
    train_env.time_step_spec(),
    train_env.action_spec(),
    q_network=q_net,
    optimizer=optimizer,
    td_errors_loss_fn=common.element_wise_squared_loss,
    train_step_counter=train_step_counter)

agent.initialize()

Políticas

Uma política define a maneira como um agente atua em um ambiente. Normalmente, o objetivo da aprendizagem por reforço é treinar o modelo subjacente até que a política produza o resultado desejado.

Neste tutorial:

  • O resultado desejado é manter o mastro equilibrado na vertical sobre o carrinho.
  • A política retorna uma ação (esquerda ou direita) para cada observação time_step .

Os agentes contêm duas políticas:

  • agent.policy - A política principal usada para avaliação e implantação.
  • agent.collect_policy - uma segunda política que é usada para coleta de dados.
eval_policy = agent.policy
collect_policy = agent.collect_policy

As políticas podem ser criadas independentemente dos agentes. Por exemplo, use tf_agents.policies.random_tf_policy para criar uma política que selecionará aleatoriamente uma ação para cada time_step .

random_policy = random_tf_policy.RandomTFPolicy(train_env.time_step_spec(),
                                                train_env.action_spec())

Para obter uma ação de uma política, chame o policy.action(time_step) . O time_step contém a observação do ambiente. Este método retorna um PolicyStep , que é uma tupla nomeada com três componentes:

  • action - a ação a ser realizada (neste caso, 0 ou 1 )
  • state - usado para políticas com monitoração de estado (ou seja, baseadas em RNN)
  • info - dados auxiliares, como registro de probabilidades de ações
example_environment = tf_py_environment.TFPyEnvironment(
    suite_gym.load('CartPole-v0'))

time_step = example_environment.reset()

random_policy.action(time_step)

PolicyStep(action=<tf.Tensor: shape=(1,), dtype=int64, numpy=array([1])>, state=(), info=())

Métricas e Avaliação

A métrica mais comum usada para avaliar uma política é o retorno médio. O retorno é a soma das recompensas obtidas durante a execução de uma política em um ambiente para um episódio. Vários episódios são executados, criando um retorno médio.

A função a seguir calcula o retorno médio de uma política, dada a política, o ambiente e vários episódios.

def compute_avg_return(environment, policy, num_episodes=10):

  total_return = 0.0
  for _ in range(num_episodes):

    time_step = environment.reset()
    episode_return = 0.0

    while not time_step.is_last():
      action_step = policy.action(time_step)
      time_step = environment.step(action_step.action)
      episode_return += time_step.reward
    total_return += episode_return

  avg_return = total_return / num_episodes
  return avg_return.numpy()[0]


# See also the metrics module for standard implementations of different metrics.
# https://github.com/tensorflow/agents/tree/master/tf_agents/metrics

A execução desse cálculo na random_policy mostra um desempenho de linha de base no ambiente.

compute_avg_return(eval_env, random_policy, num_eval_episodes)

16.1

Replay Buffer

O buffer de reprodução rastreia os dados coletados do ambiente. Este tutorial usa tf_agents.replay_buffers.tf_uniform_replay_buffer.TFUniformReplayBuffer , pois é o mais comum.

O construtor requer as especificações dos dados que irá coletar. Isso está disponível no agente usando o método collect_data_spec . O tamanho do lote e o comprimento máximo do buffer também são necessários.

replay_buffer = tf_uniform_replay_buffer.TFUniformReplayBuffer(
    data_spec=agent.collect_data_spec,
    batch_size=train_env.batch_size,
    max_length=replay_buffer_max_length)

Para a maioria dos agentes, collect_data_spec é uma tupla nomeada chamada Trajectory , contendo as especificações para observações, ações, recompensas e outros itens.

agent.collect_data_spec

Trajectory(step_type=TensorSpec(shape=(), dtype=tf.int32, name='step_type'), observation=BoundedTensorSpec(shape=(4,), dtype=tf.float32, name='observation', minimum=array([-4.8000002e+00, -3.4028235e+38, -4.1887903e-01, -3.4028235e+38],
      dtype=float32), maximum=array([4.8000002e+00, 3.4028235e+38, 4.1887903e-01, 3.4028235e+38],
      dtype=float32)), action=BoundedTensorSpec(shape=(), dtype=tf.int64, name='action', minimum=array(0), maximum=array(1)), policy_info=(), next_step_type=TensorSpec(shape=(), dtype=tf.int32, name='step_type'), reward=TensorSpec(shape=(), dtype=tf.float32, name='reward'), discount=BoundedTensorSpec(shape=(), dtype=tf.float32, name='discount', minimum=array(0., dtype=float32), maximum=array(1., dtype=float32)))

agent.collect_data_spec._fields

('step_type',
 'observation',
 'action',
 'policy_info',
 'next_step_type',
 'reward',
 'discount')

Coleção de dados

Agora execute a política aleatória no ambiente por algumas etapas, gravando os dados no buffer de reprodução.

def collect_step(environment, policy, buffer):
  time_step = environment.current_time_step()
  action_step = policy.action(time_step)
  next_time_step = environment.step(action_step.action)
  traj = trajectory.from_transition(time_step, action_step, next_time_step)

  # Add trajectory to the replay buffer
  buffer.add_batch(traj)

def collect_data(env, policy, buffer, steps):
  for _ in range(steps):
    collect_step(env, policy, buffer)

collect_data(train_env, random_policy, replay_buffer, initial_collect_steps)

# This loop is so common in RL, that we provide standard implementations. 
# For more details see tutorial 4 or the drivers module.
# https://github.com/tensorflow/agents/blob/master/docs/tutorials/4_drivers_tutorial.ipynb 
# https://www.tensorflow.org/agents/api_docs/python/tf_agents/drivers

O buffer de reprodução agora é uma coleção de trajetórias.

# For the curious:
# Uncomment to peel one of these off and inspect it.
# iter(replay_buffer.as_dataset()).next()

O agente precisa acessar o buffer de reprodução. Isso é fornecido através da criação de um pipelinetf.data.Dataset iterável que alimentará dados para o agente.

Cada linha do buffer de reprodução armazena apenas uma única etapa de observação. Mas, como o Agente DQN precisa da observação atual e da próxima para calcular a perda, o pipeline do conjunto de dados fará uma amostra de duas linhas adjacentes para cada item no lote ( num_steps=2 ).

Este conjunto de dados também é otimizado executando chamadas paralelas e pré-busca de dados.

# Dataset generates trajectories with shape [Bx2x...]
dataset = replay_buffer.as_dataset(
    num_parallel_calls=3, 
    sample_batch_size=batch_size, 
    num_steps=2).prefetch(3)


dataset

WARNING:tensorflow:From /tmpfs/src/tf_docs_env/lib/python3.6/site-packages/tensorflow/python/autograph/operators/control_flow.py:1218: ReplayBuffer.get_next (from tf_agents.replay_buffers.replay_buffer) is deprecated and will be removed in a future version.
Instructions for updating:
Use `as_dataset(..., single_deterministic_pass=False) instead.
<PrefetchDataset shapes: (Trajectory(step_type=(64, 2), observation=(64, 2, 4), action=(64, 2), policy_info=(), next_step_type=(64, 2), reward=(64, 2), discount=(64, 2)), BufferInfo(ids=(64, 2), probabilities=(64,))), types: (Trajectory(step_type=tf.int32, observation=tf.float32, action=tf.int64, policy_info=(), next_step_type=tf.int32, reward=tf.float32, discount=tf.float32), BufferInfo(ids=tf.int64, probabilities=tf.float32))>

iterator = iter(dataset)
print(iterator)

<tensorflow.python.data.ops.iterator_ops.OwnedIterator object at 0x7fc0c5abc780>

# For the curious:
# Uncomment to see what the dataset iterator is feeding to the agent.
# Compare this representation of replay data 
# to the collection of individual trajectories shown earlier.

# iterator.next()

Treinando o agente

Duas coisas devem acontecer durante o ciclo de treinamento:

  • coletar dados do meio ambiente
  • usar esses dados para treinar a (s) rede (s) neural (s) do agente

Este exemplo também avalia periodicamente a política e imprime a pontuação atual.

O procedimento a seguir levará cerca de 5 minutos para ser executado.

try:
  %%time
except:
  pass

# (Optional) Optimize by wrapping some of the code in a graph using TF function.
agent.train = common.function(agent.train)

# Reset the train step
agent.train_step_counter.assign(0)

# Evaluate the agent's policy once before training.
avg_return = compute_avg_return(eval_env, agent.policy, num_eval_episodes)
returns = [avg_return]

for _ in range(num_iterations):

  # Collect a few steps using collect_policy and save to the replay buffer.
  collect_data(train_env, agent.collect_policy, replay_buffer, collect_steps_per_iteration)

  # Sample a batch of data from the buffer and update the agent's network.
  experience, unused_info = next(iterator)
  train_loss = agent.train(experience).loss

  step = agent.train_step_counter.numpy()

  if step % log_interval == 0:
    print('step = {0}: loss = {1}'.format(step, train_loss))

  if step % eval_interval == 0:
    avg_return = compute_avg_return(eval_env, agent.policy, num_eval_episodes)
    print('step = {0}: Average Return = {1}'.format(step, avg_return))
    returns.append(avg_return)

WARNING:tensorflow:From /tmpfs/src/tf_docs_env/lib/python3.6/site-packages/tensorflow/python/util/dispatch.py:201: calling foldr_v2 (from tensorflow.python.ops.functional_ops) with back_prop=False is deprecated and will be removed in a future version.
Instructions for updating:
back_prop=False is deprecated. Consider using tf.stop_gradient instead.
Instead of:
results = tf.foldr(fn, elems, back_prop=False)
Use:
results = tf.nest.map_structure(tf.stop_gradient, tf.foldr(fn, elems))
step = 200: loss = 28.54922866821289
step = 400: loss = 11.265779495239258
step = 600: loss = 118.93780517578125
step = 800: loss = 6.945855140686035
step = 1000: loss = 81.30548095703125
step = 1000: Average Return = 100.5
step = 1200: loss = 583.738525390625
step = 1400: loss = 84.12023162841797
step = 1600: loss = 1195.0528564453125
step = 1800: loss = 798.727294921875
step = 2000: loss = 1214.359619140625
step = 2000: Average Return = 80.5
step = 2200: loss = 119.32345581054688
step = 2400: loss = 89.71794128417969
step = 2600: loss = 77.56394958496094
step = 2800: loss = 200.96832275390625
step = 3000: loss = 687.2619018554688
step = 3000: Average Return = 200.0
step = 3200: loss = 273.20257568359375
step = 3400: loss = 1348.410400390625
step = 3600: loss = 7291.123046875
step = 3800: loss = 9693.671875
step = 4000: loss = 11049.0078125
step = 4000: Average Return = 200.0
step = 4200: loss = 19630.55078125
step = 4400: loss = 162683.890625
step = 4600: loss = 188355.25
step = 4800: loss = 1085961.625
step = 5000: loss = 28136.2421875
step = 5000: Average Return = 200.0
step = 5200: loss = 41078.0703125
step = 5400: loss = 463938.15625
step = 5600: loss = 37489.6875
step = 5800: loss = 85520.1875
step = 6000: loss = 54998.30078125
step = 6000: Average Return = 200.0
step = 6200: loss = 57353.96875
step = 6400: loss = 82274.921875
step = 6600: loss = 480124.1875
step = 6800: loss = 125073.3515625
step = 7000: loss = 109867.765625
step = 7000: Average Return = 200.0
step = 7200: loss = 95796.765625
step = 7400: loss = 84803.3828125
step = 7600: loss = 174417.65625
step = 7800: loss = 145947.21875
step = 8000: loss = 857481.8125
step = 8000: Average Return = 200.0
step = 8200: loss = 198140.53125
step = 8400: loss = 184674.125
step = 8600: loss = 284932.15625
step = 8800: loss = 140546.625
step = 9000: loss = 1301324.125
step = 9000: Average Return = 200.0
step = 9200: loss = 2169464.0
step = 9400: loss = 192097.03125
step = 9600: loss = 95835.109375
step = 9800: loss = 362408.4375
step = 10000: loss = 234460.84375
step = 10000: Average Return = 200.0
step = 10200: loss = 2636405.0
step = 10400: loss = 406090.9375
step = 10600: loss = 218874.421875
step = 10800: loss = 314460.375
step = 11000: loss = 313773.625
step = 11000: Average Return = 200.0
step = 11200: loss = 235539.46875
step = 11400: loss = 230301.625
step = 11600: loss = 195967.515625
step = 11800: loss = 529188.25
step = 12000: loss = 559874.75
step = 12000: Average Return = 200.0
step = 12200: loss = 517803.1875
step = 12400: loss = 379510.1875
step = 12600: loss = 192517.515625
step = 12800: loss = 254534.40625
step = 13000: loss = 247311.53125
step = 13000: Average Return = 200.0
step = 13200: loss = 467653.5625
step = 13400: loss = 266234.1875
step = 13600: loss = 254158640.0
step = 13800: loss = 273959.4375
step = 14000: loss = 1116587.125
step = 14000: Average Return = 200.0
step = 14200: loss = 556657.3125
step = 14400: loss = 657635.75
step = 14600: loss = 637587.5625
step = 14800: loss = 518682.375
step = 15000: loss = 427786.5
step = 15000: Average Return = 200.0
step = 15200: loss = 393602.625
step = 15400: loss = 470813.375
step = 15600: loss = 49263600.0
step = 15800: loss = 18822354.0
step = 16000: loss = 1389915.625
step = 16000: Average Return = 200.0
step = 16200: loss = 179496144.0
step = 16400: loss = 3241569.5
step = 16600: loss = 12142488.0
step = 16800: loss = 922398.3125
step = 17000: loss = 1751954.625
step = 17000: Average Return = 200.0
step = 17200: loss = 70321296.0
step = 17400: loss = 2027174.0
step = 17600: loss = 103143216.0
step = 17800: loss = 71887584.0
step = 18000: loss = 1041745.375
step = 18000: Average Return = 200.0
step = 18200: loss = 899747.5
step = 18400: loss = 1508126.375
step = 18600: loss = 18633292.0
step = 18800: loss = 1058055.25
step = 19000: loss = 2446145.0
step = 19000: Average Return = 200.0
step = 19200: loss = 2081777.875
step = 19400: loss = 1023876.875
step = 19600: loss = 1734647.25
step = 19800: loss = 1467883.75
step = 20000: loss = 90669328.0
step = 20000: Average Return = 200.0

Visualização

Enredos

Use matplotlib.pyplot para mapear como a política melhorou durante o treinamento.

Uma iteração do Cartpole-v0 consiste em 200 etapas de tempo. O ambiente dá uma recompensa de +1 para cada passo que a barra fica levantada, então o retorno máximo para um episódio é 200. Os gráficos mostram o retorno aumentando em direção a esse máximo cada vez que é avaliado durante o treinamento. (Pode ser um pouco instável e não aumentar monotonicamente a cada vez.)

iterations = range(0, num_iterations + 1, eval_interval)
plt.plot(iterations, returns)
plt.ylabel('Average Return')
plt.xlabel('Iterations')
plt.ylim(top=250)

(61.0849967956543, 250.0)

png

Vídeos

Os gráficos são bons. Mas o mais empolgante é ver um agente realmente executando uma tarefa em um ambiente.

Primeiro, crie uma função para inserir vídeos no notebook.

def embed_mp4(filename):
  """Embeds an mp4 file in the notebook."""
  video = open(filename,'rb').read()
  b64 = base64.b64encode(video)
  tag = '''
  <video width="640" height="480" controls>
    <source src="data:video/mp4;base64,{0}" type="video/mp4">
  Your browser does not support the video tag.
  </video>'''.format(b64.decode())

  return IPython.display.HTML(tag)

Agora repita alguns episódios do jogo Cartpole com o agente. O ambiente Python subjacente (aquele "dentro" do wrapper do ambiente TensorFlow) fornece um método render() , que gera uma imagem do estado do ambiente. Eles podem ser coletados em um vídeo.

def create_policy_eval_video(policy, filename, num_episodes=5, fps=30):
  filename = filename + ".mp4"
  with imageio.get_writer(filename, fps=fps) as video:
    for _ in range(num_episodes):
      time_step = eval_env.reset()
      video.append_data(eval_py_env.render())
      while not time_step.is_last():
        action_step = policy.action(time_step)
        time_step = eval_env.step(action_step.action)
        video.append_data(eval_py_env.render())
  return embed_mp4(filename)




create_policy_eval_video(agent.policy, "trained-agent")

WARNING:root:IMAGEIO FFMPEG_WRITER WARNING: input image is not divisible by macro_block_size=16, resizing from (400, 600) to (400, 608) to ensure video compatibility with most codecs and players. To prevent resizing, make your input image divisible by the macro_block_size or set the macro_block_size to None (risking incompatibility). You may also see a FFMPEG warning concerning speedloss due to data not being aligned.

Para se divertir, compare o agente treinado (acima) a um agente que se move aleatoriamente. (Não funciona tão bem.)

create_policy_eval_video(random_policy, "random-agent")

WARNING:root:IMAGEIO FFMPEG_WRITER WARNING: input image is not divisible by macro_block_size=16, resizing from (400, 600) to (400, 608) to ensure video compatibility with most codecs and players. To prevent resizing, make your input image divisible by the macro_block_size or set the macro_block_size to None (risking incompatibility). You may also see a FFMPEG warning concerning speedloss due to data not being aligned.