我们学习了什么是 ML-Agents 以及它是如何工作的。我们还研究了我们将要使用的两个环境。现在我们准备训练我们的代理!
为了验证这个动手实践的认证流程,您只需要将训练好的模型推送到 Hub。没有最低结果要求才能验证这个动手实践。但是,如果您想获得良好的结果,您可以尝试达到以下目标:
有关认证流程的更多信息,请查看此部分👉 huggingface.co/deep-rl-course/en/unit0/introduction#certification-process
要开始动手实践,请点击“在 Colab 中打开”按钮 👇 :
我们强烈建议学生在动手练习中使用 Google Colab,而不是在个人电脑上运行它们。
通过使用 Google Colab,您可以专注于学习和实验,而不必担心设置环境的技术细节。
在这个笔记本中,您将了解 ML-Agents 并训练两个代理。
-
第一个将学会向生成目标发射雪球。
-
第二个需要按一个按钮生成一个金字塔,然后导航到金字塔,将其推倒,并移动到顶部的金砖。为了做到这一点,它将需要探索其环境,我们将使用一种称为好奇心的技术。
之后,您将能够在浏览器上直接观看您的代理进行游戏。
有关认证流程的更多信息,请查看此部分👉 huggingface.co/deep-rl-course/en/unit0/introduction#certification-process
⬇️ 这是您将在本单元结束时实现的示例。⬇️
-
雪球目标
我们不断努力改进我们的教程,所以如果您在这个笔记本中发现了一些问题,请在 GitHub Repo 上提出问题。
在笔记本的末尾,您将:
-
了解ML-Agents的工作原理和环境库。
-
能够在 Unity 环境中训练代理。
在深入研究笔记本之前,您需要:
🔲 📚 阅读Unit 5 🤗以了解 ML-Agents 是什么以及它是如何工作的
- 为了加速代理的训练,我们将使用 GPU。要做到这一点,转到
运行时 > 更改运行时类型
硬件加速器 > GPU
- 我们需要克隆包含实验版本库的存储库,该库允许您将训练的代理推送到 Hub。
# Clone the repository
git clone --depth 1 https://github.com/Unity-Technologies/ml-agents
# Go inside the repository and install the package
cd ml-agents
pip install -e ./ml-agents-envs
pip install -e ./ml-agents
如果您需要了解这个环境如何工作的复习,请查看这个部分👉 huggingface.co/deep-rl-course/unit5/snowball-target
-
我们的环境可执行文件在一个 zip 文件中。
-
我们需要下载它并将其放置在
./training-envs-executables/linux/
-
我们使用 Linux 可执行文件,因为我们使用 colab,而 colab 机器的操作系统是 Ubuntu(Linux)
# Here, we create training-envs-executables and linux
mkdir ./training-envs-executables
mkdir ./training-envs-executables/linux
我们使用 wget
从 github.com/huggingface/Snowball-Target
下载了文件 SnowballTarget.zip
wget "https://github.com/huggingface/Snowball-Target/raw/main/SnowballTarget.zip" -O ./training-envs-executables/linux/SnowballTarget.zip
我们解压可执行文件 executable.zip
unzip -d ./training-envs-executables/linux/ ./training-envs-executables/linux/SnowballTarget.zip
确保您的文件是可访问的
chmod -R 755 ./training-envs-executables/linux/SnowballTarget
- 在 ML-Agents 中,您在 config.yaml 文件中定义训练超参数。
有多个超参数。为了更好地理解它们,您应该阅读文档中每个超参数的解释
您需要在 ./content/ml-agents/config/ppo/ 中创建一个 SnowballTarget.yaml
配置文件
我们将为您提供此配置的初步版本(复制并粘贴到您的 SnowballTarget.yaml
文件中),但您应该进行修改。
behaviors:
SnowballTarget:
trainer_type: ppo
summary_freq: 10000
keep_checkpoints: 10
checkpoint_interval: 50000
max_steps: 200000
time_horizon: 64
threaded: true
hyperparameters:
learning_rate: 0.0003
learning_rate_schedule: linear
batch_size: 128
buffer_size: 2048
beta: 0.005
epsilon: 0.2
lambd: 0.95
num_epoch: 3
network_settings:
normalize: false
hidden_units: 256
num_layers: 2
vis_encode_type: simple
reward_signals:
extrinsic:
gamma: 0.99
strength: 1.0
作为实验,请尝试修改一些其他超参数。Unity 在这里提供了非常好的文档,解释了每个超参数。
现在您已经创建了配置文件并了解了大多数超参数的作用,我们准备训练我们的代理🔥。
要训练我们的代理,我们需要启动 mlagents-learn 并选择包含环境的可执行文件。
我们定义了四个参数:
-
mlagents-learn <config>
:超参数配置文件的路径。 -
--env
:环境可执行文件所在的位置。 -
--run_id
:您想要为训练运行 ID 指定的名称。 -
--no-graphics
:在训练期间不启动可视化。
训练模型并使用--resume
标志以便在中断的情况下继续训练。
如果您使用
--resume
时第一次失败,尝试重新运行该块以绕过错误。
训练将根据您的配置需要 10 到 35 分钟。去喝杯☕️,你值得的🤗。
mlagents-learn ./config/ppo/SnowballTarget.yaml --env=./training-envs-executables/linux/SnowballTarget/SnowballTarget --run-id="SnowballTarget1" --no-graphics
- 现在我们已经训练了我们的代理,我们准备将其推送到 Hub 并在浏览器上可视化它的运行🔥。
为了能够与社区分享您的模型,还有三个步骤需要遵循:
1️⃣(如果尚未完成)创建一个 HF 帐户 ➡ huggingface.co/join
2️⃣ 登录并从 Hugging Face 网站存储您的身份验证令牌。
- 创建一个新的令牌(
huggingface.co/settings/tokens
)具有写入权限
-
复制令牌
-
运行下面的单元格并粘贴令牌
from huggingface_hub import notebook_login
notebook_login()
如果您不想使用 Google Colab 或 Jupyter Notebook,您需要使用此命令:huggingface-cli login
然后我们需要运行 mlagents-push-to-hf
。
我们定义了四个参数:
-
--run-id
:训练运行 ID 的名称。 -
--local-dir
:代理保存的位置,是 results/<run_id name>,所以在我的情况下是 results/First Training。 -
--repo-id
:您要创建或更新的 Hugging Face 存储库的名称。它始终是 <您的 huggingface 用户名>/<存储库名称> 如果存储库不存在将自动创建 -
--commit-message
:由于 HF 仓库是 git 仓库,您需要提供提交消息。
例如:
mlagents-push-to-hf --run-id="SnowballTarget1" --local-dir="./results/SnowballTarget1" --repo-id="ThomasSimonini/ppo-SnowballTarget" --commit-message="First Push"
mlagents-push-to-hf --run-id= # Add your run id --local-dir= # Your local dir --repo-id= # Your repo id --commit-message= # Your commit message
如果一切正常,您应该在过程结束时看到这个(但网址不同😆):
Your model is pushed to the hub. You can view your model here: https://huggingface.co/ThomasSimonini/ppo-SnowballTarget
这是您模型的链接。它包含一个解释如何使用它的模型卡片,您的 Tensorboard 和配置文件。令人惊奇的是,它是一个 git 仓库,这意味着您可以有不同的提交,使用新的推送更新您的仓库等。
但现在最好的部分来了:能够在线可视化您的代理👀。
这一步很简单:
-
记住您的 repo-id
-
点击这里:
huggingface.co/spaces/ThomasSimonini/ML-Agents-SnowballTarget
-
启动游戏并通过点击右下角按钮将其全屏显示
-
在第 1 步中,选择您的模型仓库,即模型 ID(在我这里是 ThomasSimonini/ppo-SnowballTarget)。
-
在第 2 步中,选择您想要重播的模型:
-
我有多个,因为我们每 500000 个时间步保存一个模型。
-
但如果我想要更近期的,我选择
SnowballTarget.onnx
👉很好地尝试不同的模型阶段以查看代理的改进。
并且不要犹豫在 discord 的#rl-i-made-this 频道分享您的代理获得的最佳分数🔥
现在让我们尝试一个更具挑战性的环境,名为 Pyramids。
-
我们的环境可执行文件在一个 zip 文件中。
-
我们需要下载它并将其放入
./training-envs-executables/linux/
-
我们使用 Linux 可执行文件,因为我们在使用 colab,而 colab 机器的操作系统是 Ubuntu(Linux)
使用wget
从drive.google.com/uc?export=download&id=1UiFNdKlsH0NTu32xV-giYUEVKV4-vc7H
下载文件 Pyramids.zip。查看从 GDrive 下载大文件的完整解决方案这里
!wget --load-cookies /tmp/cookies.txt "https://docs.google.com/uc?export=download&confirm=$(wget --quiet --save-cookies /tmp/cookies.txt --keep-session-cookies --no-check-certificate 'https://docs.google.com/uc?export=download&id=1UiFNdKlsH0NTu32xV-giYUEVKV4-vc7H' -O- | sed -rn 's/.*confirm=([0-9A-Za-z_]+).*/\1\n/p')&id=1UiFNdKlsH0NTu32xV-giYUEVKV4-vc7H" -O ./training-envs-executables/linux/Pyramids.zip && rm -rf /tmp/cookies.txt
解压缩它
%%capture
!unzip -d ./training-envs-executables/linux/ ./training-envs-executables/linux/Pyramids.zip
确保您的文件可访问
chmod -R 755 ./training-envs-executables/linux/Pyramids/Pyramids
-
与第一个环境相反,第一个环境是自定义的,Pyramids 是由 Unity 团队制作的。
-
因此,PyramidsRND 配置文件已经存在,并位于./content/ml-agents/config/ppo/PyramidsRND.yaml
-
您可能会问为什么“RND”在 PyramidsRND 中。RND 代表随机网络蒸馏,这是一种生成好奇奖励的方法。如果您想了解更多信息,请阅读我们撰写的解释此技术的文章:
medium.com/data-from-the-trenches/curiosity-driven-learning-through-random-network-distillation-488ffd8e5938
对于这次训练,我们将修改一件事:
- 总训练步骤的超参数太高了,因为我们只需在 100 万个训练步骤中就可以达到基准(平均奖励=1.75)。👉为了做到这一点,我们转到 config/ppo/PyramidsRND.yaml,并将 max_steps 更改为 1000000。
作为一个实验,您还应该尝试修改一些其他超参数。Unity 提供了非常好的文档,解释每一个超参数在这里。
我们现在准备好训练我们的代理🔥。
训练将需要 30 到 45 分钟,取决于您的机器,去喝杯☕️,您值得拥有🤗。
mlagents-learn ./config/ppo/PyramidsRND.yaml --env=./training-envs-executables/linux/Pyramids/Pyramids --run-id="Pyramids Training" --no-graphics
- 现在我们已经训练了我们的代理,我们准备将其推送到 Hub,以便能够在浏览器上可视化它的游戏🔥。
mlagents-push-to-hf --run-id= # Add your run id --local-dir= # Your local dir --repo-id= # Your repo id --commit-message= # Your commit message
👉 huggingface.co/spaces/unity/ML-Agents-Pyramids
现在你知道如何使用 MLAgents 训练一个 agent 了,为什么不尝试另一个环境呢?
MLAgents 提供了 17 个不同的环境,我们正在构建一些定制的环境。学习的最佳方式是尝试自己动手,玩得开心。
你可以在 Hugging Face 这里找到当前可用环境的完整列表👉 github.com/huggingface/ml-agents#the-environments
查看演示以可视化你的 agent 👉 huggingface.co/unity
目前我们已经集成了:
今天就到这里。恭喜你完成了这个教程!
学习的最佳方式是练习和尝试。为什么不尝试另一个环境呢?ML-Agents 有 18 个不同的环境,但你也可以创建自己的环境。查看文档,玩得开心!
我们在 Unit 6 见🔥,