Question

本教程的目标: 演示如何通过EvoKit库来解决经典的CartPole 问题。

本教程假定读者曾经使用过PaddlePaddle, 了解基本的进化算法迭代流程。

CartPole 介绍

CartPole又叫倒立摆。小车上放了一根杆，杆会因重力而倒下。为了不让杆倒下，我们要通过移动小车，来保持其是直立的。如下图所示。 在每一个时间步，模型的输入是一个4维的向量,表示当前小车和杆的状态，模型输出的信号用于控制小车往左或者右移动。当杆没有倒下的时候，每个时间步，环境会给1分的奖励；当杆倒下后，环境不会给任何的奖励，游戏结束。

step1: 生成预测网络

根据上面的环境介绍，我们需要构造一个神经网络，输入为4维的向量，输出为2维的概率分布向量（表示左/右）移动的概率。 在这里，我们使用Paddle来实现预测网络，并保存到本地。

from paddle import fluid

def net(obs, act_dim):
    hid1 = fluid.layers.fc(obs, size=20)
    prob = fluid.layers.fc(hid1, size=act_dim, act='softmax')
    return prob

if __name__ == '__main__':
    obs_dim = 4
    act_dim = 2
    obs = fluid.layers.data(name="obs", shape=[obs_dim], dtype='float32')
    prob = net(obs, act_dim)

    exe = fluid.Executor(fluid.CPUPlace())
    exe.run(fluid.default_startup_program())
    fluid.io.save_inference_model(
        dirname='init_model',
        feeded_var_names=['obs'],
        target_vars=[prob],
        params_filename='params',
        model_filename='model',
        executor=exe)

step2: 构造ESAgent

• 调用 load_config 加载配置文件。

• 调用 load_inference_model 函数加载模型参数。

• 调用 init_solver 初始化solver。

配置文件主要是用于指定进化算法类型（比如Gaussian或者CMA）,使用的optimizer类型（Adam或者SGD）。

ESAgent agent = ESAgent();
agent.load_config(config);
agent.load_inference_model(model_dir);
agent.init_solver();

// 附：EvoKit配置项示范
solver {
    type: BASIC_ES
    optimizer { // 线下Adam更新
        type: ADAM
        base_lr: 0.05
        adam {
            beta1: 0.9
            beta2: 0.999
            epsilon: 1e-08
        }
    }
    sampling { // 线上高斯采样
        type: GAUSSIAN_SAMPLING
        gaussian_sampling {
            std: 0.5
            cached: true
            seed: 1024
            cache_size : 100000
        }
    }
}

step3: 生成用于采样的Agent

主要关注三个接口：

• 调用 clone 生成一个用于sampling的agent。

• 调用 add_noise 给这个agent的参数空间增加噪声，同时返回该噪声对应的唯一信息，这个信息得记录在log中，用于线下更新。

• 调用 predict 提供预测接口。

auto sampling_agent = agent.clone();
auto sampling_info = sampling_agent.add_noise();
sampling_agent.predict(feature);

step4: 用采样的数据更新模型参数

用户提供两组数据：

• 采样参数过程中用于线下复现采样噪声的sampling_info

• 扰动参数后，新参数的评估结果

agent.update(sampling_infos, rewards);

主代码以及注释

以下的代码演示通过多线程同时采样, 提升解决问题的效率。

int main(int argc, char* argv[]) {
    std::vector<CartPole> envs;
    // 构造10个环境，用于多线程训练
    for (int i = 0; i < ITER; ++i) {
        envs.push_back(CartPole());
    }

    // 初始化ESAgent
    std::string model_dir = "./demo/cartpole/init_model";
    std::string config_path = "./demo/cartpole/config.prototxt";
    std::shared_ptr<ESAgent> agent = std::make_shared<ESAgent>();
    agent->load_config(config_path); // 加载配置

    agent->load_inference_model(FLAGS_model_dir); // 加载初始预测模型
    agent->init_solver(); // 初始化solver，注意要在load_inference_model后执行

    // 生成10个agent用于同时采样
    std::vector<std::shared_ptr<ESAgent>> sampling_agents;
    for (int i = 0; i < ITER; ++i) {
        sampling_agents.push_back(agent->clone());
    }

    std::vector<SamplingInfo> sampling_infos;
    std::vector<float> rewards(ITER, 0.0f);
    sampling_infos.resize(ITER);
    omp_set_num_threads(10);

    // 共迭代100轮
    for (int epoch = 0; epoch < 100; ++epoch) {
        #pragma omp parallel for schedule(dynamic, 1)
        for (int i = 0; i < ITER; ++i) {
            std::shared_ptr<ESAgent> sampling_agent = sampling_agents[i];
            SamplingInfo sampling_info;
            sampling_agent->add_noise(sampling_info);
            float reward = evaluate(envs[i], sampling_agent);
            // 保存采样的sampling_info以及对应的评估结果reward
            sampling_infos[i] = sampling_info;
            rewards[i] = reward;
        }
        // 更新模型参数，注意：参数更新后会自动同步到sampling_agent中
        agent->update(sampling_infos, rewards);

        int reward = evaluate(envs[0], agent);
        LOG(INFO) << "Epoch:" << epoch << " Reward: " << reward; // 打印每一轮reward
    }
}

如何运行demo

• 下载代码

  在icode上clone代码，我们的仓库路径是： baidu/nlp/deep-es TO DO: 修改库路径

• 编译demo

  通过bcloud的云端集群编译即可，命令为： bb

• 运行demo

  编译完成后，我们需要增加动态库查找路径：

  export LD_LIBRARY_PATH=./output/so/:$LD_LIBRARY_PATH

  运行demo： ./output/bin/cartpole/train

问题解决

在使用过程中有任何问题，请加hi群: 1692822 (PARL官方答疑群)进行咨询，开发同学会直接回答任何的使用问题。