3

我正在尝试在 PyTorch 中建立一个通用的强化学习框架，以利用所有利用 PyTorch DataSet 和 DataLoader 的高级实用程序，如 Ignite 或 FastAI，但我遇到了一个具有动态性质的阻止程序强化学习数据：

  • 数据项是从代码生成的，而不是从文件中读取的，它们依赖于先前的操作和模型结果，因此每个 nextItem 调用都需要访问模型状态。
  • 训练集的长度不是固定的，所以我需要一个动态的批量大小以及一个动态的总数据集大小。我的偏好是使用终止条件函数而不是数字。我可以“可能”用填充来做到这一点，就像在 NLP 句子处理中一样，但这是一个真正的 hack。

到目前为止，我的 Google 和 StackOverflow 搜索都取得了成果。这里有人知道将 DataLoader 或 DataSet 与强化学习一起使用的现有解决方案或解决方法吗？我讨厌放弃对依赖于那些的所有现有库的访问。

4

1 回答 1

2

这是一个基于 PyTorch 的框架，这是来自 Facebook 的东西。

当涉及到您的问题（毫无疑问是崇高的追求）时：

您可以轻松地创建一个torch.utils.data.Dataset依赖于任何东西，包括模型，像这样（原谅弱抽象，这只是为了证明一点）：

import typing

import torch
from torch.utils.data import Dataset


class Environment(Dataset):
    def __init__(self, initial_state, actor: torch.nn.Module, max_interactions: int):
        self.current_state = initial_state
        self.actor: torch.nn.Module = actor
        self.max_interactions: int = max_interactions

    # Just ignore the index
    def __getitem__(self, _):
        self.current_state = self.actor.update(self.current_state)
        return self.current_state.get_data()

    def __len__(self):
        return self.max_interactions

假设，torch.nn.Module-like 网络具有某种update变化的环境状态。总而言之，它只是一个 Python 结构，所以你可以用它来建模很多东西。

您可以指定max_interactions为几乎infinite，或者如果需要在训练期间使用一些回调（可能__len__会在整个代码中多次调用），您可以动态更改它。环境可以进一步提供batches而不是样品。

torch.utils.data.DataLoader有batch_sampler参数，在那里你可以生成不同长度的批次。由于网络不依赖于第一个维度，您也可以从那里返回您想要的任何批量大小。

顺便提一句。如果每个样本的长度不同，则应使用填充，不同的批量大小与此无关。

于 2019-07-29T23:12:24.160 回答