pytorch - 如何使用 PyTorch DataLoader 进行强化学习？

Question

我正在尝试在 PyTorch 中建立一个通用的强化学习框架，以利用所有利用 PyTorch DataSet 和 DataLoader 的高级实用程序，例如 Ignite 或 FastAI，但我遇到了具有动态特性的阻碍强化学习数据:

数据项是从代码生成的，而不是从文件中读取的，它们依赖于之前的操作和模型结果，因此每个 nextItem 调用都需要访问模型状态。

训练集的长度不是固定的，所以我需要一个动态的批量大小以及一个动态的总数据集大小。我更喜欢使用终止条件函数而不是数字。我可以“可能”用填充来做到这一点，就像在 NLP 句子处理中一样，但这是一个真正的黑客。

到目前为止，我的 Google 和 StackOverflow 搜索已经产生了 zilch。这里有人知道将 DataLoader 或 DataSet 与强化学习结合使用的现有解决方案或变通方法吗？我讨厌失去对所有依赖于这些库的现有库的访问。

Answer 1

Here是一个基于 PyTorch 的框架和 here是来自 Facebook 的东西。

当谈到您的问题时(毫无疑问，这是崇高的追求):

您可以轻松创建 torch.utils.data.Dataset依赖于任何东西，包括模型，像这样的东西(原谅弱抽象，这只是为了证明一点):

import typing

import torch
from torch.utils.data import Dataset


class Environment(Dataset):
    def __init__(self, initial_state, actor: torch.nn.Module, max_interactions: int):
        self.current_state = initial_state
        self.actor: torch.nn.Module = actor
        self.max_interactions: int = max_interactions

    # Just ignore the index
    def __getitem__(self, _):
        self.current_state = self.actor.update(self.current_state)
        return self.current_state.get_data()

    def __len__(self):
        return self.max_interactions

假设， torch.nn.Module - 类似网络有某种 update环境状态的变化。总而言之，它只是一个 Python 结构，所以你可以用它来建模很多东西。

您可以指定 max_interactions差不多 infinite或者，如果需要，您可以在训练期间通过一些回调即时更改它(因为 __len__ 可能会在整个代码中多次调用)。环境还可以提供 batches而不是 sample 。

torch.utils.data.DataLoader 有 batch_sampler参数，在那里你可以生成不同长度的批次。由于网络不依赖于第一维，您也可以从那里返回任何您想要的批量大小。

顺便提一句。如果每个样本的长度不同，则应使用填充，不同的批次大小与此无关。