-
Notifications
You must be signed in to change notification settings - Fork 17
/
run_learning.py
52 lines (41 loc) · 1.93 KB
/
run_learning.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
import argparse
from src.qnetwork import DRRN
from src.policy import Policy
import src.utils as utils
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('--game_name', default='zork1')
parser.add_argument('--rom_path', default='envs/jericho-game-suite/')
parser.add_argument('--qnet_iter', default=10000, type=int)
parser.add_argument('--policy_epoch', default=100, type=int)
parser.add_argument('--lr', default=0.001, type=float)
parser.add_argument('--load_path', default=None, type=str)
parser.add_argument('--data_path', default='data/GAME/round', type=str)
parser.add_argument('--env_step_limit', default=100000, type=int)
parser.add_argument('--batch_size', default=64, type=int)
parser.add_argument('--seed', default=0, type=int)
parser.add_argument('--exploration_constant', default=50, type=int)
parser.add_argument('--max_depth', default=10, type=int)
parser.add_argument('--max_episode_len', default=50, type=int)
parser.add_argument('--round', default=0, type=int)
parser.add_argument('--simulation_per_act', default=50, type=int)
parser.add_argument('--discount_factor', default=0.95, type=float)
parser.add_argument('--uct_type', default='MC-LAVE', type=str)
parser.add_argument('--evaluate', default=False)
parser.add_argument('--process_id', default=0, type=int)
parser.add_argument('--mode', default=0, type=int) # 0 : train DRRN, 1 : behavior clone, 2 : both
return parser.parse_args()
def main():
args = parse_args()
args.rom_path = args.rom_path + utils.game_file(args.game_name)
print(args)
if args.mode != 1:
drrn = DRRN(args)
drrn.train(batch_size=args.batch_size, epochs=args.qnet_iter)
elif args.mode != 0:
policy = Policy(args)
policy.train(epochs=args.policy_epoch)
else:
print("Argument Error!!")
if __name__ == "__main__":
main()