保存模型后无法训练_无法将保存的模型用作训练基线的MlpPolicy的起点？
我目前正在使用OpenAI baselines中的代码来训练模型，在我的train.py中使用以下代码：from baselines.common import tf_util as U
import tensorflow as tf
import gym, logging
from visak_dartdeepmimic import VisakDartDeepMimicArgParse
def train(env, initial_params_path,
save_interval, out_prefix, num_timesteps, num_cpus):
from baselines.ppo1 import mlp_policy, pposgd_simple
sess = U.make_session(num_cpu=num_cpus).__enter__()
U.initialize()
def policy_fn(name, ob_space, ac_space):
print("Policy with name: ", name)
policy = mlp_policy.MlpPolicy(name=name, ob_space=ob_space, ac_space=ac_space,
hid_size=64, num_hid_layers=2)
saver = tf.train.Saver()
if initial_params_path is not None:
print("Tried to restore from ", initial_params_path)
saver.restore(tf.get_default_session(), initial_params_path)
return policy
def callback_fn(local_vars, global_vars):
iters = local_vars["iters_so_far"]
saver = tf.train.Saver()
if iters % save_interval == 0:
saver.save(sess, out_prefix + str(iters))
pposgd_simple.learn(env, policy_fn,
max_timesteps=num_timesteps,
callback=callback_fn,
timesteps_per_actorbatch=2048,
clip_param=0.2, entcoeff=0.0,
optim_epochs=10, optim_stepsize=3e-4, optim_batchsize=64,
gamma=1.0, lam=0.95, schedule='linear',
)
env.close()
这一切都很好，只是我得到了一些看起来很奇怪的学习曲线，我怀疑这是由于传递给learn函数的一些超参数造成的，这些超参数会导致性能随着时间的推移而衰减/高方差(尽管我不确定)
无论如何，为了确认这个假设，我想重新训练这个模型，但不是从头开始：我想从一个高点开始：比如说，迭代1600，我有一个保存的模型放在那里(在callback_fn中用saver.save保存了它)
所以现在我调用了train函数，但这次我为它提供了一个inital_params_path，指向迭代1600的save前缀。根据我的理解，在policy_fn中调用saver.restore应该将模型恢复到操作1600的位置(我已经确认加载例程使用print语句运行)
然而，在实践中，我发现几乎没有什么东西会被加载。例如，如果我得到的统计数据
^{pr2}$
对于迭代1600，然后对于新试验的迭代1(表面上使用1600的参数作为起点)，我得到如下结果
^{3}$
这又回到了原点(这就是我的模特从零开始训练的地方)
有趣的是，我知道模型至少被正确地保存了，因为我实际上可以使用eval.py重放它from baselines.common import tf_util as U
from baselines.ppo1 import mlp_policy, pposgd_simple
import numpy as np
import tensorflow as tf
class PolicyLoaderAgent(object):
"""The world's simplest agent!"""
def __init__(self, param_path, obs_space, action_space):
self.action_space = action_space
self.actor = mlp_policy.MlpPolicy("pi", obs_space, action_space,
hid_size = 64, num_hid_layers=2)
U.initialize()
saver = tf.train.Saver()
saver.restore(tf.get_default_session(), param_path)
def act(self, observation, reward, done):
action2, unknown = self.actor.act(False, observation)
return action2
if __name__ == "__main__":
parser = VisakDartDeepMimicArgParse()
parser.add_argument("--params-prefix", required=True, type=str)
args = parser.parse_args()
env = parser.get_env()
U.make_session(num_cpu=1).__enter__()
U.initialize()
agent = PolicyLoaderAgent(args.params_prefix, env.observation_space, env.action_space)
while True:
ob = env.reset(0, pos_stdv=0, vel_stdv=0)
done = False
while not done:
action = agent.act(ob, reward, done)
ob, reward, done, _ = env.step(action)
env.render()
我可以清楚地看到，与未经训练的基线相比，它学到了一些东西。加载操作在两个文件中都是相同的(或者更确切地说，如果有错误，那么我就找不到它)，所以我认为{}很可能正确地加载了模型，然后由于{a3}中的某些内容，很快就忘记了它。在
有人能解释一下这种情况吗？在