迷雾探险12 | RL的开源库

RL库简介

Baseline

基于 OpenAI Gym 和 TensorFlow 的实现了经典的(深度) 强化学习算法
OpenAI、DeepMind，伯克利三个可以说是强化学习的推动者，其中OpenAI 为很多算法都写了baselines，放在github库中供开发者学习参考。
提供两个基准测试
（1）Example 1. PPO with MuJoCo Humanoid (1M timesteps)
（2）Example 2. DQN on Atari (10M timesteps)
实现多个算法
- A2C、ACER、ACKTR、DDPG、DQN、GAIL、HER、PPO1 (obsolete version, left here temporarily)、PPO2、TRPO

PARL

在成为NIPS2018的AI for Prosthetics Challenget挑战赛第一名后，百度在2019年1月推出的一个基于PaddlePaddle的灵活高效的强化学习框架。
特点：
（1）Reproducible：可以稳定地再现许多有影响力的强化学习算法的结果
（2）Large Scale：能够支持数千个CPU和多GPU的高性能并行培训
（3）Reusable：存储库中提供的算法可以通过定义转发网络直接适应新任务，并且将自动构建培训机制。
（4）Extensible：通过在框架中继承抽象类来快速构建新算法。
在agent的基础上抽象了Model、Algrithm、Agent，方便递归构建agent。
目前实现的算法：QuickStart、DQN、DDPG、PPO、Winning Solution for NIPS2018: AI for Prosthetics Challenge

Dopamine

谷歌早2018年8月推出了一款全新的开源强化学习框架 Dopamine，该框架基于 TensorFlow，主打灵活性、稳定性、复现性，能够提供快速的基准测试。包括：
（1）一个基于 Arcade 学习环境（一个成熟的、易于理解的基准）
（2）四种不同的机器学习模型：DQN、C51、简化版的 Rainbow 智能体和 IQN（Implicit Quantile Network）四个基于值的代理 DQN、C51、Rainbow 代理的简化版本以及隐式分位数网络代理。

相比 OpenAI 的强化学习基准，Dopamine 更多关注 off-policy 方法。为了实现可重复性，Github 代码包括 Arcade Learning Environment 支持的全部 60 个游戏的完整测试和训练代码，并遵循标准化经验评估结果的最佳实践。除此之外，谷歌还推出了一个可视化网站，允许开发人员将训练中的多个智能体的运行情况快速可视化。

特点

易用性
清晰和简洁是这个框架的两个关键设计考虑因素。
代码紧凑（大约 15 个 Python 文件），并且有详细的文档。代码简洁，能够让研究人员轻松了解代理的内部运作并快速尝试新的想法。
可重现性
可重现性在强化学习研究中的作用很重要。代码通过了完整的测试覆盖，这些测试用例也可作为某种形式的文档使用。此外，其实验框架遵循了 Machado 等人给出的使用 Arcade 学习环境标准化进行经验评估的建议。
基准测试
对于研究人员来说，能够根据已有方法快速对想法进行基准测试是非常重要的。因此，Dopamine以 Python pickle 文件（用于使用我们的框架训练的代理）和 JSON 数据文件（用于与其他框架训练的代理进行比较）的形式提供了受 Arcade 学习环境支持的 60 个游戏的完整训练数据。还提供了一个网站，可以在上面快速查看所有的训练运行情况。

谷歌的 4 个智能体在 airraid游戏上的训练运行。x 轴表示迭代，每个迭代是一百万个游戏帧（实时游戏 4.5 小时）；y 轴是每次游戏获取的平均分。阴影区域表示 5 个独立运行的置信区间

谷歌还提供利用这些智能体训练的深度网络、原始统计日志以及用于 Tensorboard 可视化的 TensorFlow 事件文件。相关地址：https://github.com/google/dopamine/tree/master/docs#downloads

TRFL

TRFL（读作「truffle」）一个用于在 TensorFlow 环境中开发强化学习智能体的代码库
DeepMind 自己用来开发 DQN、DDPG 以及 IMPALA（重要性加权行动者-学习者架构）等知名强化学习技术的许多关键算法组件都包含在其中。

RLlab

伯克利大学和 openai 的学者开发的强化学习算法框架
不是一个RL库，而是与Gym类似一个比较完整的强化学习开源工具包。基于Theano。与OpenAI Gym的区别在于OpenAI Gym支持更广泛的环境，且提供在线的scoreboard可以用于共享训练结果。
pytorch是一个python优先的深度学习框架

Tensorforce

强化学习组件开发者 reinforce.io 于2017年提出的一个开源深度强化学习框架，强调模块化灵活的库设计和直观的可用性。
构建于Google的TensorFlow框架之上，与Python 3兼容（Python 2支持在0.5版本中删除）
特点：
（1）基于模块化组件的设计：功能实现尽可能地普遍适用和可配置。
（2）RL算法和应用的分离：算法与输入（状态/观察）和输出（动作/决策）的类型和结构，与应用环境的交互无关。
（3）Full-on TensorFlow模型：整个强化学习逻辑（包括控制流）在TensorFlow中实现，以实现独立于应用程序编程语言的便携式计算图形，并促进模型的部署。
通过配置文件快速运行不同的算法

python examples/openai_gym.py CartPole-v1 --agent examples/configs/ppo.json --network examples/configs/mlp2_network.json

支持DDPG和PPO等算法的实现，详见配置文件tensorforce/examples/configs/

Coach

Intel 收购的 Nervana 公司(还开发了Neon) 推出的强化学习框架
Coach包含一些领先的增强学习算法的多线程实现，可以方便地实现并行算法，充分利用cpu gpu多核。
主要针对2016年以来许多算法通过在许多CPU内核中并行运行多个实例，能够更快地实现更好的策略。包括A3C 、DDPG、PPO、DFP和NAF等。
所有的算法都是使用英特尔优化的TensorFlow来实现的，也可以通过Intel的neon™框架来实现。
Coach可与如OpenAI Gym、Roboschool和ViZDoom等顶级环境进行集成
可视化调试工具：Intel还发布了Coach Dashboard作为可视化和调试的补充工具。Dashboard是Coach的一个图形用户界面，通过展示训练过程中的不同信号，可以让用户以简单易懂的方式比较不同方式运行的训练质量。在训练期间，Coach可跟踪任何有意义的内部信息并存储，以便在执行期间和完成后可视化进度。

图片来源：雷锋网

keras-rl

集成深度学习库Keras实现了一些最先进的深度强化学习算法，可使用在Gym环境上。
目前实现的算法：
（1）Deep Q Learning (DQN)
（2）Double DQN
（3）Deep Deterministic Policy Gradient (DDPG)
（4）Continuous DQN (CDQN or NAF)
（5）Cross-Entropy Method (CEM)
（6）Dueling network DQN (Dueling DQN)
（7）Deep SARSA

RL库使用方法

如果是以gym为基础的RL库，用起来更便于对比，毕竟环境一致
直接import开源库，并调用其API
包括两部分
（1）训练部分：初始化算法需要的参数，比如学习率，steps，episode以及他们的最大值
（2）测试部分：act接受当前状态obs后给出action，将其传给环境的step()函数，得到下一时间步的状态、回报、是否结束。循环打印每轮的总回报和时间步数。如果总回报为正且时间步数较少，则表明我们的算法取得了较好的效果。
测试基准
（1）在连续控制场景主要用mujoco环境游戏来评估，在离散控制场景主要用atatri环境评估，也有一些其他环境。
（2）Mujoco（1M时间步长）和Atari（10M时间步长）
（3）评估指标主要看分数还有steps。

参考

知乎上的RL开源项目：
https://www.zhihu.com/question/49230922

开源RL库推荐（最下面）
https://github.com/aikorea/awesome-rl/tree/master

参考https://www.itcodemonkey.com/article/3646.html

其他