OPENAI Baeslines 详解（五）保存数据、模型

Zee带你看代码系列

学习强化学习，码代码的能力必须要出众，要快速入门强化学习 搞清楚其中真正的原理，读源码是一个最简单的最直接的方式。最近创建了一系列该类型文章，希望对大家有多帮助。
另外，我会将所有的文章及所做的一些简单项目，放在我的个人网页上。
水平有限，可能有理解不到位的地方，希望大家主动沟通交流。
邮箱：[email protected]

OPENAI Baeslines 详解（五）保存数据、模型

数据保存

把环境的数据保存下来是找问题原因的一个关键技巧，利用baselines 的函数可以轻松地保存数据成各种形式。

Baseline有两种保存数据的方式：一种是建立Monitor 一种是Callbacks， 两种办法都是可行的。

但是除了deepq保留了callbacks的接口 其他地方都没有保留，但是baselines是基于tensorflow的，所以有利器tensorboard。 这样，观察整个训练过程，变得更容易 更强大。

Monitor

Monitor 监视器，相当于将env进行一层包装Wrapper，将env 放在监视之下。

from baselines.bench import Monitor
env = Monitor(env, log_path, allow_early_resets=True)
# 输入的env为gym.make创建的，如果是多env环境会报错。
# log—path 是保存当前环境的地方。

完全未修改的监视器，只能输出 平均reward 、训练时常 和 所利用时间。

当然不能满足我们的需求。最简单的办法 修改源代码。

在bench中 找到montior ，然后找到step和update函数 。

update 的输入中，中加入任何你要记录的东西，并将其加入之后的字典变量epinfo。，比如说：

def update(self, ob, rew, done, info, action):  #58行
	
	epinfo = {"ob": ob, "action": action, 're': rew ,'done': done , "t": round(time.time() - self.tstart, 6)}、

并更新在step中的调用update的时候的输入 。

之后，需要在112行 中fieldname中加入：

self.logger = csv.DictWriter(self.f, fieldnames=('ob', 'action', 're', 'done', 't')+tuple(extra_keys))

Tensorboard

其实训练日志，可以被输出为各种形式，其中有

'stdout'  # 默认形式
'log'     # txt
'json'    
'csv'
'tensorboard' #

Tensorboard 的实用 可以直接配置成如下形式。

当然可以选择多种 输出形式，

logger.configure(dir=log_path,format_strs=['tensorboard'])

然后 在命令行中 ， 先激活环境然后，再配置tensorboard 。

tensorboard --logdir log_path

之后打开网址http://localhost:6006

模型保存

baseline （DQN）会具有比较好的模型保存功能。每运行一段时间，如果存在当前得到的reward比较好的情况下就会保存当前模型。部分算法是没有的这个功能的，但是保存和调用变量的代码是存在common文件夹下的，可以直接Ctrl+C 、Ctrl+V。 直接调用就好了。可以不用写 variables tf 可以直接读取当前网络。

from baselines.common.tf_util import load_variables, save_variables
save_variables(save_path, variables=None, sess=None)
load_variables(load_path, variables=None, sess=None)