- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
https://github.com/keon/deep-q-learning/blob/master/dqn.py#L52
def replay(self, batch_size):
minibatch = random.sample(self.memory, batch_size)
for state, action, reward, next_state, done in minibatch:
target = reward
if not done:
target = (reward + self.gamma *
np.amax(self.model.predict(next_state)[0]))
target_f = self.model.predict(state)
target_f[0][action] = target
self.model.fit(state, target_f, epochs=1, verbose=0)
此代码似乎无法从 GPU 获得帮助,因为它每次操作都会训练一次数据。
self.model.fit(state, target_f, epochs=1, verbose=0)
如何更改此代码以并行训练,然后从 GPU 获得帮助?
最佳答案
在强化学习 (RL) 中,每个样本步骤通常需要大量 CPU 计算(当然取决于环境,某些环境也可以使用 GPU)。强化学习模型很难理解奖励以及什么行为导致了特定的奖励,因为良好的奖励可能取决于更早的行为。因此,我们在进行强化学习时需要一个简单的模型架构(浅且权重较少),否则训练时间会很慢。因此,您的系统瓶颈可能是收集样本而不是训练数据。另请注意,并非所有 Tensorflow 架构都能与 GPU 同等地扩展。像大多数图像案例一样,具有大量权重的深度模型可以很好地扩展(例如带有 MNIST 的 CNN 和 MLP 网络),而时间相关的 RNN 的加速潜力较小(请参阅 this stackexchange question )。因此,在使用 GPU 时,请相应地设置您的期望。
根据我的 RL 经验,我想出了一些可以分享的可能的加速方法,并且希望看到更多建议!
在采样之间,您必须对下一步操作进行模型预测。您可以为所有并行状态调用单个 model.predict(使用等于并行环境数量的 batch_size),而不是在每个步骤中调用 model.predict。这将加快预测时间,因为有更多优化选项。
从更新模型权重到预测的变化出奇地慢。希望将来这会加快吗?但是,虽然变化像今天一样缓慢,但您可以通过保持模型不变并进行大量样本和预测(例如整个剧集或一个剧集中的多个步骤)来加速训练,然后在所有新收集的数据上训练模型之后的数据。就我而言,这导致 GPU 利用率周期性升高。
由于采样很可能是瓶颈,因此您可以制作状态、操作、奖励的历史存储库。与训练相比,您可以从此存储库中随机采样数据,并将其与新收集的数据一起训练。这在强化学习中被称为“体验重放”。
也许最有趣、最具改进潜力的方法是使用更先进的强化学习架构。更改损失函数的示例(例如查看PPO),使用和调整由奖励计算的“广义优势估计”。或者通过例如包含 RNN 的时间依赖性来更改模型,VAC或将它们全部组合起来,如 here 。
希望这可以帮助您加快训练时间,并可能提高 GPU 的利用率。
关于python - 如何让这段RL代码获得GPU支持?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57603707/
我正在为我的雇主编写脚本,以从他们自己的站点获取某些数据。出于一长串原因,我需要从网站上获取数据,如图所示。我发现,其中一些数据是通过 js 调用检索的... 回想起来,我应该选择 Mechanize
我正在使用 python 和 cryptography.io 来签署和验证消息。我可以通过以下方式获得签名的 DER 编码字节表示: cryptography_priv_key.sign(messag
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 6年前关闭。 Improve thi
是否可以区分 ECDF?以下面得到的为例。 set.seed(1) a <- sort(rnorm(100)) b <- ecdf(a) plot(b) 我想对 b 求导以获得它的概率密度函数 (PD
我找到了如何从 navigator.mimeTypes 获取 mimetypes: function GetMimeTypes() { var message = ""; var mi
我在表单中使用单选按钮来隐藏/显示联系人表单中的成员 ID 字段。问题是,当 javascript 更改 html 中包含的隐藏 id 字段(该字段设置为“无”值)时,该字段将不再通过 post 可用
我正在做单元测试。我必须测试所有可能的if..else情况。但是在此if语句中: int32_t i32Res = snprintf(buffer, len, "The%d_String_%d", 0
我有一个 Facebook 应用程序,我想从中获取“喜欢”的总数。我想知道这是否可能。 其中 ID 是应用程序的 ID,ACCESS_TOKEN 是我尝试过的应用程序的当前访问 token : gra
如果我有多个计算实例尝试同时获取同一个 blob 的租约,则似乎经常会成功。我的印象是,一旦租约发出(并因此被客户获得),就不可能同时发出另一个租约? 我希望情况确实如此,我一直在 Azure 中使用
这是我的索引 POST /blogs/1 { "name" : "learn java", "popularity" : 100 } POST /blogs/2 { "name" : "l
我正在将 Symfony2 与 FOSUserBundle 一起使用。我需要为用户获得最高角色。 role_hierarchy: ROLE_CONTRIBUTOR: ROLE_USER
我正在向服务器发送基于 REST 的请求。我希望尽快得到答复,并希望了解可以进行的各种优化。 一种方法当然是在线程中并行发送这些请求。还有哪些其他选项可用于优化此功能? 在服务器上,可以添加哪些配置?
这可能是某种重复的问题,但我似乎找不到合适的解决方案。我正在使用 git4idea.history.GitHistoryUtils.history() 获取提交列表。如果 checkout 其中一个较
我正在做一个程序,可以输入每周的工资和那一周的总工作时间。它应该以小时工资率显示答案。但是我无法显示正确的“centavos/2 decimal places”公式并且它不想使用 float % fl
已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足Stack Overflow guidelines 。目前不接受答案。 我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题,以便
我已经尝试了 mContext.getMainLooper() 和 Looper.getMainLooper()。两者都返回相同的结果,但我想知道哪种方法正确? 我还从 Android 开发人员链接中
我有一个“affiliates”表,其中包含“user”和“referredBy”列。 给定一个用户,我希望获得该用户推荐的所有“n 级”玩家。对于 n=1,我们只关心您直接推荐的玩家数量: SELE
我在 PostgreSQL 9.5 数据库中有两个表: project - id - name task - id - project_id - name - updated_
请帮助我怎样才能得到我预期的结果,在此先感谢并抱歉我的英语不好。 PHP: $dog = implode(',', $data['dogbreed']); $query .= "AND `do
我有 let impulse = CGVectorMake(CGFloat(Constants.impulse), 0) 如何在不创建另一个 CGVector 的情况下得到它的负值? 我正在考虑在 C
我是一名优秀的程序员,十分优秀!