问题标签 [ray]

我定义 alearner和 a worker。我希望它在后台learner运行其成员函数，并偶尔发送一些信息进行打印。learnworkerlearner

下面的代码是一个例子

但是，直到完成learner才会运行，这不是我想要的。我已经想到了一种使它起作用的方法：我没有显式调用，而是调用它。具体来说，我重新定义并如下log_scorelearnLearner.learnWorkerlearnsample

虽然这可行，但现在我必须控制应该多久learn调用一次，这似乎有点多余。有没有更好的方法来实现我想要的？

我有三个文件如下

如果我删除所有与ray. 如果没有，就会发生错误。错误消息说stateinlocal_buffer中没有update_buffer。我知道错误是由于在中LocalBuffer定义的worker.py——如果我定义Worker.local为内置的dict，一切都会好起来的。但是为什么我不能用LocalBuffer？我在这里确实需要它，但我不知道如何使它工作。

更新

我知道问题出在哪里。原因是worker和learner处于不同的进程中。而用户定义的对象如self.local不能在进程之间传递。对于这个特定问题，我可以通过强制转换self.local为dictwhenself.local被传递给self.learner.update_buffer. 我尝试导入LocalBufferin learner.py，但没有成功。也许我必须更多地了解多处理才能弄清楚。如果有人愿意填写一些有用的信息，我将不胜感激。

ray 提供了一个resnet 分布训练的例子。但梯度同步很奇怪：

1. 同步权重
2. 独立训练每个工人特定的步骤。
3. 返回第 1 步。

这个工作流程有什么理由吗？

我认为它既不是同步也不是异步方法。

我在谷歌云计算上设置光线自动缩放时遇到了真正的困难。我可以让它在 AWS 上运行没问题，但是在运行时我一直遇到以下错误ray up：

googleapiclient.errors.HttpError: https://cloudresourcemanager.googleapis.com/v1/projects?alt=json 返回“服务帐户无法在没有父级的情况下创建项目。”>

我的项目是组织的一部分，所以我不明白这是从哪里来的，或者为什么首先需要创建一个项目。我已经在 yaml 文件中输入了我的项目 ID，就像我通常为 AWS 所做的那样。

非常感谢你。我很感激我能得到的任何帮助！！

我有一张大卫星图像，想对其进行对象检测模型推断。目前，我对大图像进行切片，保存图块，然后读取它们以让我的模型输出检测结果（框和掩码）。我知道这是一种低效的做事方式，因为一旦读取了图像切片/图块，就不再需要它，但我目前正在将其保存到磁盘。

有没有更有效的方法来完成这个过程？也许通过多处理或光线库？

我想尝试 Ray 包中的新 BayesOpt 搜索。我按照Ray 文档中的说明安装了贝叶斯优化包。

我使用 jupyter notebook 导入并启动 Tune Trials 没有问题。但即使我安装了必要的软件包，它仍然说它无法导入。

我试过这个：

安装在带有 python 3.6.5 的 pyenv 中，我检查了 10 次是否是我安装它的正确环境。

有什么建议我缺少什么吗？

我在主函数/进程中使用了日志模块，它运行良好，但在Actor进程/子进程中似乎无法运行。如何让它发挥作用？在下面的代码示例中，logging.info 在主进程中工作，但在工作进程中失败。谢谢。

当我在A2C中使用ray创建actors和learner时，应该设置inter_op_parallelism_threadsand intra_op_parallelism_threadsto 1，还是默认保留？

按照SimpleCorridor示例，我可以创建自己的环境并训练模型！好的。但是当我尝试评估这个经过训练的模型时，rllib 无法识别我的自定义环境。

如何在自定义环境中评估经过训练的模型？

当我像这里rllib rollout ...建议的那样使用它时，它无法识别我的环境，因为它是自定义环境。我希望有一个类似但喜欢的功能，所以我可以在我的一个文件中的项目上调用它。run_experimentsevaluate_experiment

这就是问题所在。如果你想看看我的 custon_env 是这个

现在我必须复制我的环境并将其粘贴到gym/envs/包目录中并将其注册到__init__.py文件中。

很高兴看到另一种方法来做到这一点

谢谢

我们构建了一个由 Docker 容器组成的系统，每个容器都运行 Ray。一个容器充当头，其他容器充当工人。有没有一种方法可以并行运行我们自定义 env 的步骤，而每个容器每个工作人员一个 env 正在运行？Rays 文档 ( https://ray.readthedocs.io/en/latest/rllib-env.html?highlight=remote_worker_envs#vectorized ) 中提到的方法对我们没有用，因为我们希望每个工作人员都有一个环境。