Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Sieci

Zobacz na TensorFlow.org Uruchom w Google Colab Wyświetl źródło na GitHub Pobierz notatnik

Wprowadzenie

W tej kolaboracji omówimy, jak definiować niestandardowe sieci dla agentów. Sieci pomagają nam zdefiniować model szkolony przez agentów. W TF-Agents znajdziesz kilka różnych typów sieci, które są przydatne dla agentów:

Główne sieci

  • QNetwork : używana w Qlearning dla środowisk z dyskretnymi akcjami, ta sieć odwzorowuje obserwację na oszacowania wartości dla każdego możliwego działania.
  • CriticNetworks : w literaturze określane również jako ValueNetworks , uczy się szacować pewną wersję funkcji Value mapującej pewien stan na oszacowanie oczekiwanego zwrotu polityki. Sieci te szacują, jak dobry jest aktualnie agent.
  • ActorNetworks : naucz się mapowania od obserwacji do działań. Te sieci są zwykle używane przez nasze zasady do generowania działań.
  • ActorDistributionNetworks : podobne do ActorNetworks ale generują dystrybucję, z której zasady mogą następnie próbkować w celu wygenerowania akcji.

Sieci pomocnicze

  • EncodingNetwork : umożliwia użytkownikom łatwe definiowanie mapowania warstw przetwarzania wstępnego w celu zastosowania ich do danych wejściowych sieci.
  • DynamicUnrollLayer : automatycznie resetuje stan sieci na granicach epizodu, gdy jest ona stosowana w sekwencji czasowej.
  • ProjectionNetwork : Sieci, takie jak CategoricalProjectionNetwork lub NormalProjectionNetwork pobierają dane wejściowe i generują wymagane parametry w celu wygenerowania rozkładów kategorialnych lub normalnych.

Wszystkie przykłady w TF-Agentach są dostarczane z wstępnie skonfigurowanymi sieciami. Jednak te sieci nie są skonfigurowane do obsługi złożonych obserwacji.

Jeśli masz środowisko, które ujawnia więcej niż jedną obserwację / akcję i musisz dostosować swoje sieci, ten samouczek jest dla Ciebie!

Ustawiać

Jeśli jeszcze nie zainstalowałeś agentów tf, uruchom:

pip install -q tf-agents
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import abc
import tensorflow as tf
import numpy as np

from tf_agents.environments import random_py_environment
from tf_agents.environments import tf_py_environment
from tf_agents.networks import encoding_network
from tf_agents.networks import network
from tf_agents.networks import utils
from tf_agents.specs import array_spec
from tf_agents.utils import common as common_utils
from tf_agents.utils import nest_utils

tf.compat.v1.enable_v2_behavior()

Definiowanie sieci

Network API

W TF-Agents jesteśmy podklasy z Keras Networks . Dzięki niemu możemy:

  • Uprość operacje kopiowania wymagane podczas tworzenia sieci docelowych.
  • Wykonuje automatyczne tworzenie zmiennych podczas wywoływania funkcji network.variables() .
  • Sprawdź poprawność danych wejściowych w oparciu o sieciowe parametry wejściowe.

EncodingNetwork

Jak wspomniano powyżej, EncodingNetwork pozwala nam łatwo zdefiniować mapowanie warstw przetwarzania wstępnego w celu zastosowania ich do danych wejściowych sieci w celu wygenerowania kodowania.

EncodingNetwork składa się z następujących, głównie opcjonalnych warstw:

  • Warstwy przetwarzania wstępnego
  • Sumator przetwarzania wstępnego
  • Conv2D
  • Spłaszczyć
  • Gęsty

Szczególną cechą sieci kodowania jest to, że stosowane jest wstępne przetwarzanie danych wejściowych. Wstępne przetwarzanie danych wejściowych jest możliwe przez warstwy preprocessing_layers i preprocessing_combiner . Każdy z nich można określić jako strukturę zagnieżdżoną. Jeśli gniazdo preprocessing_layers jest płytsze niż input_tensor_spec , warstwy otrzymają elementy podrzędne. Na przykład, jeśli:

input_tensor_spec = ([TensorSpec(3)] * 2, [TensorSpec(3)] * 5)
preprocessing_layers = (Layer1(), Layer2())

wówczas przetwarzanie wstępne wywoła:

preprocessed = [preprocessing_layers[0](observations[0]),
                preprocessing_layers[1](observations[1])]

Jeśli jednak

preprocessing_layers = ([Layer1() for _ in range(2)],
                        [Layer2() for _ in range(5)])

wówczas przetwarzanie wstępne wywoła:

preprocessed = [
  layer(obs) for layer, obs in zip(flatten(preprocessing_layers),
                                    flatten(observations))
]

Sieci niestandardowe

Aby stworzyć własne sieci, będziesz musiał tylko nadpisać __init__ i call metody. Stwórzmy niestandardową sieć, korzystając z tego, czego nauczyliśmy się o EncodingNetworks aby stworzyć ActorNetwork, który przyjmuje obserwacje zawierające obraz i wektor.

class ActorNetwork(network.Network):

  def __init__(self,
               observation_spec,
               action_spec,
               preprocessing_layers=None,
               preprocessing_combiner=None,
               conv_layer_params=None,
               fc_layer_params=(75, 40),
               dropout_layer_params=None,
               activation_fn=tf.keras.activations.relu,
               enable_last_layer_zero_initializer=False,
               name='ActorNetwork'):
    super(ActorNetwork, self).__init__(
        input_tensor_spec=observation_spec, state_spec=(), name=name)

    # For simplicity we will only support a single action float output.
    self._action_spec = action_spec
    flat_action_spec = tf.nest.flatten(action_spec)
    if len(flat_action_spec) > 1:
      raise ValueError('Only a single action is supported by this network')
    self._single_action_spec = flat_action_spec[0]
    if self._single_action_spec.dtype not in [tf.float32, tf.float64]:
      raise ValueError('Only float actions are supported by this network.')

    kernel_initializer = tf.keras.initializers.VarianceScaling(
        scale=1. / 3., mode='fan_in', distribution='uniform')
    self._encoder = encoding_network.EncodingNetwork(
        observation_spec,
        preprocessing_layers=preprocessing_layers,
        preprocessing_combiner=preprocessing_combiner,
        conv_layer_params=conv_layer_params,
        fc_layer_params=fc_layer_params,
        dropout_layer_params=dropout_layer_params,
        activation_fn=activation_fn,
        kernel_initializer=kernel_initializer,
        batch_squash=False)

    initializer = tf.keras.initializers.RandomUniform(
        minval=-0.003, maxval=0.003)

    self._action_projection_layer = tf.keras.layers.Dense(
        flat_action_spec[0].shape.num_elements(),
        activation=tf.keras.activations.tanh,
        kernel_initializer=initializer,
        name='action')

  def call(self, observations, step_type=(), network_state=()):
    outer_rank = nest_utils.get_outer_rank(observations, self.input_tensor_spec)
    # We use batch_squash here in case the observations have a time sequence
    # compoment.
    batch_squash = utils.BatchSquash(outer_rank)
    observations = tf.nest.map_structure(batch_squash.flatten, observations)

    state, network_state = self._encoder(
        observations, step_type=step_type, network_state=network_state)
    actions = self._action_projection_layer(state)
    actions = common_utils.scale_to_spec(actions, self._single_action_spec)
    actions = batch_squash.unflatten(actions)
    return tf.nest.pack_sequence_as(self._action_spec, [actions]), network_state

RandomPyEnvironment aby wygenerować ustrukturyzowane obserwacje i zweryfikować naszą implementację.

action_spec = array_spec.BoundedArraySpec((3,), np.float32, minimum=0, maximum=10)
observation_spec =  {
    'image': array_spec.BoundedArraySpec((16, 16, 3), np.float32, minimum=0,
                                        maximum=255),
    'vector': array_spec.BoundedArraySpec((5,), np.float32, minimum=-100,
                                          maximum=100)}

random_env = random_py_environment.RandomPyEnvironment(observation_spec, action_spec=action_spec)

# Convert the environment to a TFEnv to generate tensors.
tf_env = tf_py_environment.TFPyEnvironment(random_env)

Ponieważ zdefiniowaliśmy obserwacje jako dyktowanie, musimy utworzyć warstwy przetwarzania wstępnego, aby je obsłużyć.

preprocessing_layers = {
    'image': tf.keras.models.Sequential([tf.keras.layers.Conv2D(8, 4),
                                        tf.keras.layers.Flatten()]),
    'vector': tf.keras.layers.Dense(5)
    }
preprocessing_combiner = tf.keras.layers.Concatenate(axis=-1)
actor = ActorNetwork(tf_env.observation_spec(), 
                     tf_env.action_spec(),
                     preprocessing_layers=preprocessing_layers,
                     preprocessing_combiner=preprocessing_combiner)

Teraz, gdy mamy sieć aktorów, możemy przetwarzać obserwacje ze środowiska.

time_step = tf_env.reset()
actor(time_step.observation, time_step.step_type)
(<tf.Tensor: shape=(1, 3), dtype=float32, numpy=array([[5.196383 , 5.20836  , 4.9908404]], dtype=float32)>,
 ())

Tej samej strategii można użyć do dostosowania dowolnej z głównych sieci używanych przez agentów. Możesz zdefiniować dowolne przetwarzanie wstępne i podłączyć je do reszty sieci. Podczas definiowania własnego niestandardowego upewnij się, że definicje warstwy wyjściowej sieci są zgodne.