-
Notifications
You must be signed in to change notification settings - Fork 0
/
utils.py
290 lines (256 loc) · 9.47 KB
/
utils.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
"""
Módulo que implementa las utilidades utilizadas por los scripts principales.
Incluye las funciones para observar y guardar en un gif episodios de un agente aleatorio o entrenado,
además de las funciones para realizar las gráficas de evaluación del entrenamiento y de la prueba de agentes.
Código parcialmente basado en la PEC 2 de la asignatura Aprendizaje por Refuerzo 2022-2023 S1.
"""
from typing import Dict, List
import PIL.ImageDraw as ImageDraw
import gym
import imageio
import numpy as np
from PIL import Image
from matplotlib import pyplot as plt
# Diccionario que mapea el entero de cada acción con su nombre:
ACTIONS_DICT = {
0: 'None',
1: 'Left engine',
2: 'Main engine',
3: 'Right engine'
}
def render_random_agent_episode(env: gym.Env):
"""
Reproduce un episodio de un agente aleatorio.
"""
if env.render_mode != 'human':
raise ValueError('Env render_mode needs to be "human".')
env.reset()
total_reward = 0
for timestep in range(env.spec.max_episode_steps):
env.render()
action = env.action_space.sample()
_, reward, terminated, truncated, _ = env.step(action)
done = terminated or truncated
total_reward += reward
if done:
print(f"Episode finished after {timestep + 1} time steps "
f"with reward {round(total_reward)}.")
break
def _label_with_text(frame, state, action: str, reward: float, total_reward: float = None):
"""
Añade información al 'frame' que recibe como entrada.
Args:
frame: imagen de un entorno GYM
state: estado del entorno en el frame
action: acción tomada
reward: recompensa recibida
total_reward: recompensa total del episodio
Returns:
Imagen con información añadida.
"""
im = Image.fromarray(frame)
im = im.resize((im.size[0] * 2, im.size[1] * 2))
drawer = ImageDraw.Draw(im)
total_reward_text = f"Total Reward = {total_reward}" if total_reward else ""
drawer.text(xy=(1, im.size[1] - im.size[1] / 10),
text="Uoc Aprendizaje Por Refuerzo.\n"
f"State = {state}\n"
f"Action = {action}\n"
f"Reward = {reward}\n" +
total_reward_text,
fill=(0, 0, 0, 128))
return im
def save_random_agent_gif(env: gym.Env, path: str = 'random_agent.gif'):
"""
Guarda un gif de un agente aleatorio en la ruta indicada.
"""
if env.render_mode != 'rgb_array':
raise ValueError('Env render_mode needs to be "rgb_array".')
frames = []
env.reset()
tr = 0
###########################################
# Jugar una partida aleatoria:
max_steps = env.spec.max_episode_steps
for timestep in range(max_steps):
action = env.action_space.sample()
frame = env.render()
obs, reward, terminated, truncated, _ = env.step(action)
done = terminated or truncated
tr += reward
total_reward = round(tr, 2) if done else None
frames.append(
_label_with_text(
frame=frame,
state=list(obs),
action=ACTIONS_DICT[action],
reward=round(reward, 2),
total_reward=total_reward
)
)
if done:
break
##############################################
env.close()
imageio.mimwrite(path, frames, fps=60)
def plot_rewards(training_rewards: List[float],
mean_training_rewards: List[float],
reward_threshold: float,
title: str,
save_file_name: str = None):
"""
Dibuja las recompensas de cada episodio y medias durante el entrenamiento de un agente
junto con el umbral de recompensa.
Args:
training_rewards: recompensa obtenida en cada episodio
mean_training_rewards: recompensa media obtenida en cada episodio
reward_threshold: umbral de recompensa a graficar
title: título de la gráfica
save_file_name: ruta donde guardar la gráfica
"""
plt.figure(figsize=(12, 8))
plt.plot(training_rewards, label='Rewards')
plt.plot(mean_training_rewards, label='Mean Rewards')
plt.axhline(reward_threshold, color='r', label="Reward threshold")
plt.xlabel('Episodes')
plt.ylabel('Rewards')
plt.legend()
plt.title(title)
if save_file_name:
plt.savefig(save_file_name)
plt.show()
def plot_losses(training_losses: List[float],
title: str,
save_file_name: str = None):
"""
Dibuja la pérdida en cada episodio del entrenamiento de un agente.
Args:
training_losses: pérdidas durante el entrenamiento
title: título de la gráfica
save_file_name: ruta donde guardar la gráfica
"""
plt.figure(figsize=(12, 8))
plt.plot(training_losses, label='Real Training loss')
plt.xlabel('Episodes')
plt.ylabel('Loss')
plt.legend()
plt.title(title)
if save_file_name:
plt.savefig(save_file_name)
plt.show()
def plot_evaluation_rewards(rewards: np.ndarray,
reward_threshold: float,
title: str,
save_file_name: str = None):
"""
Dibuja la recompensa de cada episodio de evaluación junto con la media, la mediana y el umbral de recompensa.
Args:
rewards: recompensa obtenida en cada episodio
reward_threshold: umbral de recompensa
title: título de la gráfica
save_file_name: ruta donde guardar la gráfica
Returns:
"""
plt.figure(figsize=(12, 8))
plt.plot(rewards, label='Total episode reward')
r_mean = rewards.mean()
plt.axhline(y=r_mean, label=f'Mean of episode Rewards ({round(r_mean)})', color='orange')
r_median = float(np.median(rewards))
plt.axhline(y=r_median, label=f'Median of episode Rewards ({round(r_median)})', color='purple')
plt.axhline(y=reward_threshold, label='Reward Threshold', color='green')
plt.xlabel('Episodes')
plt.ylabel('Reward')
plt.legend()
plt.title(title)
if save_file_name:
plt.savefig(save_file_name)
plt.show()
def save_agent_gif(env_dict: Dict,
ag,
save_file_name: str,
eps: float = 0.01,
game_seed: int = None):
"""
Guarda un gif del agente 'ag' en la ruta indicada.
Args:
env_dict: diccionario que define el entorno gym a utilizar
ag: agente entrenado
eps: epsilon de la política epsilon-greedy del agente
save_file_name: nombre del fichero
game_seed: semilla de la partida
"""
# Comprobamos que el 'render_mode' sea adecuado e inicializamos el entorno:
if env_dict['render_mode'] != 'rgb_array':
raise ValueError('Env render_mode needs to be "rgb_array".')
env = gym.make(**env_dict)
# Utilizamos una semilla para generar el episodio si se ha recibido como argumento:
if game_seed:
obs, _ = env.reset(seed=game_seed)
env.action_space.seed(game_seed)
np.random.seed(game_seed)
# Si no es así el episodio es aleatorio:
else:
obs, _ = env.reset()
# Jugamos el episodio almacenando los frames informados:
frames = []
tr = 0
max_steps = env.spec.max_episode_steps
for timestep in range(max_steps):
action = ag.get_action(state=obs, epsilon=eps)
frame = env.render()
obs, reward, terminated, truncated, _ = env.step(action)
done = terminated or truncated
tr += reward
total_reward = round(tr, 2) if done else None
# Añadimos la información al frame:
frames.append(
_label_with_text(
frame=frame,
state=list(obs),
action=ACTIONS_DICT[action],
reward=round(reward, 2),
total_reward=total_reward
)
)
if done:
break
env.close()
# Guardamos el gif:
imageio.mimwrite(save_file_name, frames, fps=60)
return tr
def render_agent_episode(env_dict: Dict, ag, game_seed: int = None, eps: float = 0.01):
"""
Reproduce una partida
Args:
env_dict: diccionario que define el entorno gym a utilizar
ag: agente a utilizar
game_seed: semilla aleatoria a utilizar
eps: epsilon a utilizar en la política epsilon-greedy del agente
"""
# Comprobamos que el 'render_mode' sea adecuado e inicializamos el entorno:
if env_dict['render_mode'] != 'human':
raise ValueError('Env render_mode needs to be "human".')
env = gym.make(**env_dict)
# Utilizamos una semilla para generar el episodio si se ha recibido como argumento:
if game_seed:
obs, _ = env.reset(seed=game_seed)
env.action_space.seed(game_seed)
np.random.seed(game_seed)
else:
# Si no es así el episodio es aleatorio:
obs, _ = env.reset()
# Jugamos el episodio reproduciéndolo en vivo:
tr = 0
max_steps = env.spec.max_episode_steps
for timestep in range(max_steps):
action = ag.get_action(state=obs, epsilon=eps)
env.render()
obs, reward, terminated, truncated, _ = env.step(action)
done = terminated or truncated
tr += reward
total_reward = round(tr, 2) if done else None
if done:
break
print(f"Episode finished after {timestep + 1} time steps "
f"with reward {round(total_reward)}.")
env.close()