网络

版权所有 2023 TF-Agents 作者。

在 TensorFlow.org 上查看

在 Google Colab 中运行

在 GitHub 上查看源代码

下载笔记本

简介

在这个 Colab 中，我们将介绍如何为您的代理定义自定义网络。网络帮助我们定义代理训练的模型。在 TF-Agents 中，您会发现几种不同类型的网络，这些网络在代理之间非常有用

主要网络

QNetwork：用于具有离散动作的环境的 Q 学习，该网络将观察结果映射到每个可能动作的值估计。
CriticNetworks：在文献中也称为 ValueNetworks，学习估计价值函数的某种版本，该函数将某个状态映射到策略预期回报的估计值。这些网络估计代理当前所处的状态有多好。
ActorNetworks：学习从观察结果到动作的映射。这些网络通常由我们的策略用来生成动作。
ActorDistributionNetworks：类似于 ActorNetworks，但这些网络生成一个分布，然后策略可以从中采样以生成动作。

辅助网络

EncodingNetwork：允许用户轻松定义要应用于网络输入的预处理层映射。
DynamicUnrollLayer：在它应用于时间序列时，会在情节边界自动重置网络的状态。
ProjectionNetwork：像 CategoricalProjectionNetwork 或 NormalProjectionNetwork 这样的网络接受输入并生成生成分类或正态分布所需的参数。

TF-Agents 中的所有示例都附带预配置的网络。但是，这些网络没有设置为处理复杂的观察结果。

如果您有一个环境，它公开了一个以上的观察结果/动作，并且您需要自定义网络，那么本教程适合您！

设置

如果您尚未安装 tf-agents，请运行

pip install tf-agents
pip install tf-keras

import os
# Keep using keras-2 (tf-keras) rather than keras-3 (keras).
os.environ['TF_USE_LEGACY_KERAS'] = '1'

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import abc
import tensorflow as tf
import numpy as np

from tf_agents.environments import random_py_environment
from tf_agents.environments import tf_py_environment
from tf_agents.networks import encoding_network
from tf_agents.networks import network
from tf_agents.networks import utils
from tf_agents.specs import array_spec
from tf_agents.utils import common as common_utils
from tf_agents.utils import nest_utils

定义网络

网络 API

在 TF-Agents 中，我们从 Keras 网络中继承。有了它，我们可以

简化创建目标网络时所需的复制操作。
在调用 network.variables() 时执行自动变量创建。
根据网络 input_specs 验证输入。

EncodingNetwork

如上所述，EncodingNetwork 允许我们轻松定义要应用于网络输入的预处理层映射，以生成某种编码。

EncodingNetwork 由以下大部分可选层组成

预处理层
预处理组合器
Conv2D
Flatten
Dense

编码网络的特殊之处在于应用了输入预处理。输入预处理可以通过 preprocessing_layers 和 preprocessing_combiner 层实现。这些层都可以指定为嵌套结构。如果 preprocessing_layers 嵌套比 input_tensor_spec 浅，那么这些层将获取子嵌套。例如，如果

input_tensor_spec = ([TensorSpec(3)] * 2, [TensorSpec(3)] * 5)
preprocessing_layers = (Layer1(), Layer2())

那么预处理将调用

preprocessed = [preprocessing_layers[0](observations[0]),
                preprocessing_layers[1](observations[1])]

但是，如果

preprocessing_layers = ([Layer1() for _ in range(2)],
                        [Layer2() for _ in range(5)])

那么预处理将调用

preprocessed = [
  layer(obs) for layer, obs in zip(flatten(preprocessing_layers),
                                    flatten(observations))
]

自定义网络

要创建自己的网络，您只需要覆盖 __init__ 和 call 方法。让我们使用我们了解到的关于 EncodingNetworks 的知识来创建一个自定义网络，以创建一个接受包含图像和向量的观察结果的 ActorNetwork。

class ActorNetwork(network.Network):

  def __init__(self,
               observation_spec,
               action_spec,
               preprocessing_layers=None,
               preprocessing_combiner=None,
               conv_layer_params=None,
               fc_layer_params=(75, 40),
               dropout_layer_params=None,
               activation_fn=tf.keras.activations.relu,
               enable_last_layer_zero_initializer=False,
               name='ActorNetwork'):
    super(ActorNetwork, self).__init__(
        input_tensor_spec=observation_spec, state_spec=(), name=name)

    # For simplicity we will only support a single action float output.
    self._action_spec = action_spec
    flat_action_spec = tf.nest.flatten(action_spec)
    if len(flat_action_spec) > 1:
      raise ValueError('Only a single action is supported by this network')
    self._single_action_spec = flat_action_spec[0]
    if self._single_action_spec.dtype not in [tf.float32, tf.float64]:
      raise ValueError('Only float actions are supported by this network.')

    kernel_initializer = tf.keras.initializers.VarianceScaling(
        scale=1. / 3., mode='fan_in', distribution='uniform')
    self._encoder = encoding_network.EncodingNetwork(
        observation_spec,
        preprocessing_layers=preprocessing_layers,
        preprocessing_combiner=preprocessing_combiner,
        conv_layer_params=conv_layer_params,
        fc_layer_params=fc_layer_params,
        dropout_layer_params=dropout_layer_params,
        activation_fn=activation_fn,
        kernel_initializer=kernel_initializer,
        batch_squash=False)

    initializer = tf.keras.initializers.RandomUniform(
        minval=-0.003, maxval=0.003)

    self._action_projection_layer = tf.keras.layers.Dense(
        flat_action_spec[0].shape.num_elements(),
        activation=tf.keras.activations.tanh,
        kernel_initializer=initializer,
        name='action')

  def call(self, observations, step_type=(), network_state=()):
    outer_rank = nest_utils.get_outer_rank(observations, self.input_tensor_spec)
    # We use batch_squash here in case the observations have a time sequence
    # compoment.
    batch_squash = utils.BatchSquash(outer_rank)
    observations = tf.nest.map_structure(batch_squash.flatten, observations)

    state, network_state = self._encoder(
        observations, step_type=step_type, network_state=network_state)
    actions = self._action_projection_layer(state)
    actions = common_utils.scale_to_spec(actions, self._single_action_spec)
    actions = batch_squash.unflatten(actions)
    return tf.nest.pack_sequence_as(self._action_spec, [actions]), network_state

让我们创建一个 RandomPyEnvironment 来生成结构化观察结果并验证我们的实现。

action_spec = array_spec.BoundedArraySpec((3,), np.float32, minimum=0, maximum=10)
observation_spec =  {
    'image': array_spec.BoundedArraySpec((16, 16, 3), np.float32, minimum=0,
                                        maximum=255),
    'vector': array_spec.BoundedArraySpec((5,), np.float32, minimum=-100,
                                          maximum=100)}

random_env = random_py_environment.RandomPyEnvironment(observation_spec, action_spec=action_spec)

# Convert the environment to a TFEnv to generate tensors.
tf_env = tf_py_environment.TFPyEnvironment(random_env)

/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/tf_agents/specs/array_spec.py:352: RuntimeWarning: invalid value encountered in cast
  self._minimum[self._minimum == -np.inf] = low
/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/tf_agents/specs/array_spec.py:353: RuntimeWarning: invalid value encountered in cast
  self._minimum[self._minimum == np.inf] = high
/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/tf_agents/specs/array_spec.py:355: RuntimeWarning: invalid value encountered in cast
  self._maximum[self._maximum == -np.inf] = low
/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/tf_agents/specs/array_spec.py:356: RuntimeWarning: invalid value encountered in cast
  self._maximum[self._maximum == np.inf] = high

由于我们已将观察结果定义为字典，因此我们需要创建预处理层来处理这些观察结果。

preprocessing_layers = {
    'image': tf.keras.models.Sequential([tf.keras.layers.Conv2D(8, 4),
                                        tf.keras.layers.Flatten()]),
    'vector': tf.keras.layers.Dense(5)
    }
preprocessing_combiner = tf.keras.layers.Concatenate(axis=-1)
actor = ActorNetwork(tf_env.observation_spec(), 
                     tf_env.action_spec(),
                     preprocessing_layers=preprocessing_layers,
                     preprocessing_combiner=preprocessing_combiner)

现在我们有了 Actor 网络，我们可以处理来自环境的观察结果。

time_step = tf_env.reset()
actor(time_step.observation, time_step.step_type)

/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/tf_keras/src/initializers/initializers.py:121: UserWarning: The initializer VarianceScaling is unseeded and being called multiple times, which will return identical values each time (even if the initializer is unseeded). Please update your code to provide a seed to the initializer, or avoid using the same initializer instance more than once.
  warnings.warn(
(<tf.Tensor: shape=(1, 3), dtype=float32, numpy=array([[5.8357787, 4.3249702, 3.6428978]], dtype=float32)>,
 ())

相同的策略可用于自定义代理使用的任何主要网络。您可以定义任何预处理，并将其连接到网络的其余部分。在定义自己的自定义网络时，请确保网络的输出层定义匹配。