此页面由 Cloud Translation API 翻译。
Switch to English

网路

在TensorFlow.org上查看 在Google Colab中运行 在GitHub上查看源代码 下载笔记本

介绍

在本次合作中,我们将介绍如何为您的代理定义自定义网络。网络帮助我们定义了由代理商训练的模型。在TF-Agent中,您会发现几种不同类型的网络,这些网络在代理之间非常有用:

主要网络

  • QNetwork :在Qlearning中用于具有离散操作的环境,该网络将观察结果映射到每个可能操作的值估计。
  • CriticNetworks :在文献中也称为ValueNetworks ,学习估计Value函数的某些版本,将某些状态映射到策略的预期收益的估计中。这些网络估计代理当前处于何种状态。
  • ActorNetworks :了解从观察到动作的映射。我们的政策通常使用这些网络来生成操作。
  • ActorDistributionNetworks :类似于ActorNetworks但是它们生成一个分发,然后策略可以ActorNetworks分发进行采样以生成操作。

辅助网络

  • EncodingNetwork :允许用户轻松定义预处理层的映射以应用于网络的输入。
  • DynamicUnrollLayer :在按时间顺序应用时,自动在情节边界上重置网络状态。
  • ProjectionNetwork :诸如CategoricalProjectionNetworkNormalProjectionNetwork类的网络NormalProjectionNetwork接受输入并生成所需的参数以生成Categorical或正态分布。

TF-Agents中的所有示例均带有预配置的网络。但是,这些网络未设置为处理复杂的观测。

如果您的环境暴露了多个观察/操作,并且您需要自定义网络,那么本教程非常适合您!

建立

如果尚未安装tf-agent,请运行:

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()

定义网络

网络API

在TF-Agent中,我们从Keras Networks继承了子类。有了它,我们可以:

  • 简化创建目标网络时所需的复制操作。
  • 调用network.variables()时执行自动变量创建。
  • 根据网络input_specs验证输入。

编码网络

如上所述, EncodingNetwork允许我们轻松定义预处理层的映射,以应用于网络输入以生成某种编码。

EncodingNetwork由以下主要可选层组成:

  • 预处理层
  • 预处理组合器
  • 转换2D
  • 展平
  • 稠密

关于编码网络的特殊之处在于应用了输入预处理。输入预处理可以通过preprocessing_layerspreprocessing_combiner层进行。每个都可以指定为嵌套结构。如果preprocessing_layers嵌套比input_tensor_spec浅,则这些图层将获得子嵌套。例如,如果:

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

然后预处理将调用:

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

但是如果

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

然后预处理将调用:

定制网络

要创建自己的网络,只需覆盖__init__call方法。让我们使用对EncodingNetworks了解来创建一个自定义网络,以创建一个ActorNetwork来获取包含图像和矢量的观察结果。

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

让我们创建一个RandomPyEnvironment来生成结构化的观察并验证我们的实现。

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)

由于我们已将观察定义为命令,因此我们需要创建预处理层来处理这些观察。

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)

现在我们有了参与者网络,我们可以处理来自环境的观察了。

time_step = tf_env.reset()
actor(time_step.observation, time_step.step_type)
(<tf.Tensor: shape=(1, 3), dtype=float32, numpy=array([[7.026863 , 4.5458393, 4.7681847]], dtype=float32)>,
 ())

可以使用相同的策略来自定义代理使用的任何主要网络。您可以定义任何预处理并将其连接到网络的其余部分。在定义自己的自定义项时,请确保网络的输出层定义匹配。