目录

目的

OpenAI介绍：

OpenAI运行环境：

OpenAI CartPole-v0  模型例程实现对杆控制其不倒

OpenAI 自定义环境模型：

 

目的

需要实现一个深度学习的动作控制，并图形展示出来，度娘查找OpenAI Gym比较适合,对OpenAI Gym例程进行实现。（争取在本篇文章实现持续更新）

更新日期：2021-03-21

OpenAI介绍：

由诸多硅谷、西雅图科技大亨联合建立的人工智能非营利组织。2015年马斯克与其他硅谷、西雅图科技大亨进行连续对话后，决定共同创建OpenAI，希望能够预防人工智能的灾难性影响，推动人工智能发挥积极作用。特斯拉电动汽车公司与美国太空技术探索公司SpaceX创始人马斯克、Y Combinator总裁阿尔特曼、天使投资人彼得·泰尔（Peter Thiel）以及其他硅谷巨头去年12月份承诺向OpenAI注资10亿美元。

https://openai.com/blog/

OpenAI运行环境：

python 3.8

OpenAI Gym 0.18.0

tensorflow  2.4.1 已经集成了keras  让构建深度学习更便捷。

参考以下文章：

https://geektutu.com/post/tensorflow2-gym-nn.html  

https://keras.io/zh 

https://tensorflow.google.cn/api_docs/python/tf/keras/Model?hl=en

http://gym.openai.com/

https://cloud.tencent.com/developer/article/1691852

OpenAI CartPole-v0  模型例程实现对杆控制其不倒

OpenAI Gym 自带有多个环境模型，所谓环境模型，就是OpenAI Gym对规定动作进行了封装，并设定各项参数和条件。

以 CartPole-v0  环境为例，目标是杆子能始终和小车垂直，根据官方 wiki[2]，「观测状态」有四维：小车位置、小车速度、杆的角度和杆顶端的速度（初始状态每个值均在 ±0.05 区间内取随机值）；「终止条件」有三条：杆的角度大于 ±12 度，小车的位置超过 ±2.4，以及迭代次数超过 200（v1 为 500）；每个步骤的「奖励」均为 1（包括终止步）

OpenResty和Tengine哪个性能好 openai和tensorflow_tensorflow

CartPole-v0 环境有四个参数

概念

解释

示例

State

list：状态，[车位置, 车速度, 杆角度, 杆速度]

0.02,0.95,-0.07,-1.53

Action

int：动作(0向左/1向右)

1

Reward

float：奖励(每走一步得1分)

1.0

Done

bool：是否结束(True/False)，上限200回合

False

创建一个可视环境,完全随机，如果达到了Done的条件，比如杆的角度大于 ±12 度，就重置，其中observation 是数组，代表[车位置, 车速度, 杆角度, 杆速度]，

print(state) 后显示array([ 0.0015817 , -0.0183442 ,  0.01170629,  0.01074688])
import gym
 env = gym.make("CartPole-v1")
 state = env.reset()
 for _ in range(100):
   env.render()
   action = env.action_space.sample() # your agent here (this takes random actions)
   state, reward, done, info = env.step(action)
   if done:
     state = env.reset()
 env.close()

构建整个训练程序：

import random
import gym
import numpy as np
from tensorflow.keras import models, layers

def generate_data_one_episode():
    '''生成单次游戏的训练数据'''
    x, y, score = [], [], 0  #X ：#State	list：状态，[车位置, 车速度, 杆角度, 杆速度]的四个参数   Y:Action的两个参数，左或右， reward的累加
    state = env.reset()
    while True:
        action = random.randrange(0, 2)
        x.append(state)
        y.append([1, 0] if action == 0 else [0, 1]) # 记录数据 action=0,记录为数组[1,0],否则数组[ 0,1]
        state, reward, done, _ = env.step(action) # 执行动作，奖励，坚持得越久得分越多。直到达到限定条件，比如循环200次，车位置超出界面等
        score += reward
        if done:
            break
    return x, y, score



def generate_training_data(expected_score=100):
    '''# 生成N次游戏的训练数据，并进行筛选，选择 > 100 的数据作为训练集'''
    data_X, data_Y, scores = [], [], []
    for i in range(10000):
        x, y, score = generate_data_one_episode()
        if score > expected_score:
            data_X += x
            data_Y += y
            scores.append(score)
    print('dataset size: {}, max score: {}'.format(len(data_X), max(scores)))
    return np.array(data_X), np.array(data_Y)


#主程序开始
env = gym.make("CartPole-v0")  # 加载游戏环境

STATE_DIM, ACTION_DIM = 4, 2  # State 维度 4, Action 维度 2
model = models.Sequential([
    layers.Dense(64, input_dim=STATE_DIM, activation='relu'),#输入层4，激活函数relu  
    layers.Dense(20, activation='relu'),
    layers.Dense(ACTION_DIM, activation='linear')])
model.summary()  # 打印神经网络信息
x, y, score = generate_data_one_episode()
print(x,y,score) #调试

#对神经网络进行编译和迭代，保持模型
data_X, data_Y = generate_training_data()
model.compile(loss='mse', optimizer='adam')
model.fit(data_X, data_Y,epochs=100)
model.save('CartPole-v0-nn.h5')  # 保存模型

其中generate_training_data（）生成多个训练数据并放到 x， y，score 三个数组总 ，data_X包含了该环境的4个参数，data_Y为左右动作，score为对应data_X，data_Y，的数据集分数。

将以上训练结果矩阵化。使用tensorflow.keras models模块建立多层序列（Sequential）（参照tensorflow.keras说明，和keras不完全一样）建立一个输入为4个维度（参数），64个隐藏神经元（激活函数用relu)，20个激活神经元，输出为2维度（参数）的深度学习框架，损失函数采用"mse" (均方误差），优化模式采用adam（使用动量和自适应学习率），进行收敛，epochs=100，表示重复训练100次。如果次数少，效果不好，得分偏低，多次训练更容易接近最优解。训练后在当前目录生成模型文件，两种文件格式.tf和.h5。

加载模型，效果展示，如果效果不好，需要在训练程序中在训练几次模型就可以了。

# predict.py
import time
import numpy as np
import gym
from tensorflow.keras import models


saved_model = models.load_model('CartPole-v0-nn.h5')  # 加载模型
env = gym.make("CartPole-v0")  # 加载游戏环境

for i in range(5):
    state = env.reset()
    score = 0
    while True:
        time.sleep(0.01)
        env.render()   # 显示画面
        action = np.argmax(saved_model.predict(np.array([state]))[0])  # 预测动作
        state, reward, done, _ = env.step(action)  # 执行这个动作
        score += reward     # 每回合的得分
        if done:       # 游戏结束
            print('using nn, score: ', score)  # 打印分数
            break
env.close()

 

运行后效果：

OpenResty和Tengine哪个性能好 openai和tensorflow_深度学习_02

总体实现比较简单易于理解，这就是keras的优越性。

编译参数loptimizer=''的选择可以参照 tf.keras.optimizers

 

OpenResty和Tengine哪个性能好 openai和tensorflow_python_03

loss='',可以参照  tf.keras.losses

OpenResty和Tengine哪个性能好 openai和tensorflow_tensorflow_04

使用OpenAI Gym  增加了深度学习的趣味性和可视性，难度大大降低。

OpenAI 自定义环境模型：

进入安装目录，编辑 __init__.py文件

C:\Users\xxx\AppData\Local\Programs\Python\Python38\Lib\site-packages\gym\envs

添加注册

register(
    id='BallView-v0',
    entry_point='gym.envs.classic_control:BallEnv',
    max_episode_steps=200,
    reward_threshold=195.0,
)

并在目录下新建BallView-v0.py文件

C:\Users\xxx\AppData\Local\Programs\Python\Python38\Lib\site-packages\gym\envs\classic_control