我必须在 F# 中模拟一个离散环境,由 Python 调用,以解决强化学习问题。我有一个原始类型(主要是浮点数)的函数,可以使数据交换更顺畅。现在我可以用不同的数据多次运行这个函数,所以并行运行它似乎是个好主意。
我有以下代码:
type AscentStrategy = |Strategy of seq<float>
let simulateAscent env ascentLimiter initState (sequenceOfDepths:seq<float>) =
//let infinitSeqOfConstantValues = (fun _ -> constantDepth) |> Seq.initInfinite
sequenceOfDepths
|> Seq.scan ( fun ( nextState, rew, isTerminal, _ ) depth -> getNextEnvResponseAndBoundForNextAction(env, nextState , depth , ascentLimiter) ) ( initState, 0.0 , false, 0.0)
|> SeqExtension.takeWhileWithLast (fun (_ , _, isTerminalState, _) -> not isTerminalState)
|> Seq.toArray
and then
let simulateStrategy ({MaxPDCS = maxPDCS ; MaxSimTime = maximumSimulationTime ; PenaltyForExceedingRisk = penaltyForExceedingRisk ;
RewardForDelivering = rewardForDelivering ; PenaltyForExceedingTime = penaltyForExceedingTime ; IntegrationTime = integrationTime
ControlToIntegrationTimeRatio = controlToIntegrationTimeRatio; DescentRate = descentRate; MaximumDepth = maximumDepth ;
BottomTime = bottomTime ; LegDiscreteTime = legDiscreteTime } : SimulationParameters) (Strategy ascentStrategy : AscentStrategy) =
let env, initState , ascentLimiter , _ = getEnvInitStateAndAscentLimiter ( maxPDCS , maximumSimulationTime ,
penaltyForExceedingRisk , rewardForDelivering , penaltyForExceedingTime ,
integrationTime ,
controlToIntegrationTimeRatio,
descentRate ,
maximumDepth ,
bottomTime ,
legDiscreteTime )
ascentStrategy
|> simulateAscent env ascentLimiter initState
最后我调用该函数进行测试:
let commonSimulationParameters = {MaxPDCS = 0.32 ; MaxSimTime = 2000.0 ; PenaltyForExceedingRisk = 1.0 ; RewardForDelivering = 10.0; PenaltyForExceedingTime = 0.5 ;
IntegrationTime = 0.1; ControlToIntegrationTimeRatio = 10; DescentRate = 60.0; MaximumDepth = 20.0 ; BottomTime = 10.0; LegDiscreteTime = 0.1}
printfn"insert number of elements"
let maxInputsString = Console.ReadLine()
let maxInputs = maxInputsString |> Double.Parse
let inputsStrategies = [|0.0 .. maxInputs|] |> Array.map (fun x -> Seq.initInfinite (fun _ -> x ) )
let testParallel = inputsStrategies
|> Array.Parallel.map (fun x -> (simulateStrategy commonSimulationParameters ( Strategy x )) )
我已经将它与 Array.map 进行了比较,虽然它速度更快并且使用了我笔记本电脑上 70% 的 CPU,但似乎仍然没有使用整个处理能力。我已经在具有更多内核(约 50 个)的机器上运行它,它几乎不会增加 CPU 使用率(它达到了总使用量的 3/4%,有 50 个独立输入)。我认为一定是某个地方产生了死锁,但我怎样才能检测到并摆脱它呢?
另外,为什么会这样?在我看来,函数式编程的优点之一就是能够轻松地进行并行化。
PS:SeqExtension.takeWhileWithLast 是我在 SO 上找到的一个函数,由 Tomas Petricek 在他的精彩答案之一中提供,如果需要,我可以发布它。
PPS:env是环境,其类型定义为:
type Environment<'S, 'A ,'I> = |Environment of (State<'S> -> Action<'A> -> EnvironmentOutput<'S ,'I>)
我对 Async.Parallel 和 ParallelSeq 进行了同样的尝试,报告了同样的问题。
基于消息的解决方案能否解决问题>?我正在研究它,虽然我一点也不熟悉,但它会是使用 MailboxProcessor 使代码并行的好方法吗?
根据我的问题,我还尝试了这个很棒的基于数据流的并行代码库。https://nessos.github.io/Streams/。
我添加了以下代码:
let nessosResult = inputsStrategies
|> ParStream.ofArray
|> ParStream.map simulateStrategy
|> ParStream.toArray
我为 inputStrategy 定义了一个临时类型(基本是我拥有的旧元组),以便模拟策略只接受一个输入。不幸的是,这个问题似乎很好地隐藏在某个地方。我附上了一张关于 CPU 使用率的图表。在不同情况下在我的机器上花费的时间是:~8.8 秒(连续);~6.2 秒(Array.Parallel.map);~ 6.1 秒 (Nessos.Streams)