Сети

Посмотреть на TensorFlow.org Запускаем в Google Colab Посмотреть исходный код на GitHub Скачать блокнот

Введение

В этой статье мы расскажем, как определять собственные сети для ваших агентов. Сети помогают нам определить модель, которую обучают агенты. В TF-Agents вы найдете несколько различных типов сетей, которые могут использоваться агентами:

Основные сети

  • QNetwork: Используется в Qlearning для сред с дискретными действиями, эта сеть сопоставляет наблюдения для оценки стоимости для каждого возможного действия.
  • CriticNetworks: Также упоминается как ValueNetworks в литературе, учится оценивать какую - то версию функции Value отображающей некоторое состояние в оценке ожидаемой доходности политики. Эти сети оценивают, насколько хорошо в настоящее время находится агент.
  • ActorNetworks: Learn отображение от наблюдений к действиям. Эти сети обычно используются нашими политиками для создания действий.
  • ActorDistributionNetworks: Аналогичен ActorNetworks но этот генерировать распределение, политика может затем образец для создания действия.

Вспомогательные сети

  • EncodingNetwork: Позволяет пользователям легко определить отображение предварительно обработки слоев , чтобы применить для ввода сети.
  • DynamicUnrollLayer: Автоматически сбрасывает состояние сети на границах эпизода , как она применяется в течение временной последовательности.
  • ProjectionNetwork: Сети как CategoricalProjectionNetwork или NormalProjectionNetwork принимают входные сигналы и генерируют необходимые параметры для создания категорических или нормальных распределений.

Все примеры в TF-Agents поставляются с предварительно настроенными сетями. Однако эти сети не предназначены для обработки сложных наблюдений.

Если у вас есть среда, которая предоставляет более одного наблюдения / действия, и вам нужно настроить свои сети, то это руководство для вас!

Настраивать

Если вы еще не установили tf-agent, запустите:

pip install 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

Определение сетей

Сетевой API

В TF-агентов мы подклассы от Keras сетей . С его помощью мы можем:

  • Упростите операции копирования, необходимые при создании целевых сетей.
  • Выполнить автоматическое создание переменных при вызове network.variables() .
  • Проверять входные данные на основе сетевых input_specs.

EncodingNetwork

Как уже упоминалось выше EncodingNetwork позволяет легко определить отображение слоев предварительной обработки применять для ввода сети , чтобы сгенерировать кодировку.

EncodingNetwork состоит из следующих в основном необязательных уровней:

  • Предварительная обработка слоев
  • Объединитель предварительной обработки
  • Conv2D
  • Сплющивать
  • Плотный

Особенностью сетей кодирования является то, что применяется предварительная обработка входных данных. Ввод предварительной обработки можно с помощью preprocessing_layers и preprocessing_combiner слоев. Каждый из них может быть определен как вложенная структура. Если preprocessing_layers гнездо мельче , чем input_tensor_spec , то слои будут получать subnests. Например, если:

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

тогда предварительная обработка вызовет:

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

Однако если

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

тогда предварительная обработка вызовет:

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

Пользовательские сети

Для того, чтобы создавать свои собственные сети , вы будете иметь только переопределить __init__ и call методов. Давайте создать пользовательскую сеть , используя то , что мы узнали о EncodingNetworks по созданию ActorNetwork , которая принимает замечания , которые содержат изображения и вектор.

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

Давайте создадим RandomPyEnvironment для создания структурированных наблюдений и проверки нашей реализации.

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)

Поскольку мы определили наблюдения как диктант, нам нужно создать слои предварительной обработки для их обработки.

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)

Теперь, когда у нас есть сеть акторов, мы можем обрабатывать наблюдения из окружающей среды.

time_step = tf_env.reset()
actor(time_step.observation, time_step.step_type)

(<tf.Tensor: shape=(1, 3), dtype=float32, numpy=array([[4.5753636, 4.946792 , 4.853481 ]], dtype=float32)>,
 ())

Эту же стратегию можно использовать для настройки любой из основных сетей, используемых агентами. Вы можете определить любую предварительную обработку и подключить ее к остальной части сети. Когда вы определяете свой собственный заказ, убедитесь, что определения выходного слоя сети совпадают.