清华本科生开发强化学习平台「天授」：千行代码实现，性能吊打国外成熟平台，刚刚开源...

贾浩楠发自凹非寺
量子位报道 | 公众号 QbitAI

江山代有才人出，开源一波更比一波强。

就在最近，一个简洁、轻巧、快速的深度强化学习平台，完全基于Pytorch，在Github上开源。

如果你也是强化学习方面的同仁，走过路过不要错过。

而且作者，还是一枚清华大学的本科生——翁家翌，他开发了”天授（Tianshou）“平台。

没错，名字就叫“天授”。

Why 天授？

主要有四大优点：

1、速度快，整个平台只用1500行左右代码实现，在已有的toy scenarios上面完胜所有其他平台，比如3秒训练一个倒立摆（CartPole）。

2、模块化，把所有policy都拆成4个模块：

init：策略初始化。
process_fn：处理函数，从回放缓存中处理数据。
call：根据观测值计算操作
learn：从给定数据包中学习

只要完善了这些给定的接口就能在100行之内完整实现一个强化学习算法。

3、天授平台目前支持的算法有：

Policy Gradient (PG)
Deep Q-Network (DQN)
Double DQN (DDQN) with n-step returns
Advantage Actor-Critic (A2C)
Deep Deterministic Policy Gradient (DDPG)
Proximal Policy Optimization (PPO)
Twin Delayed DDPG (TD3)
Soft Actor-Critic (SAC)

随着项目的开发，会有更多的强化学习算法加入天授。

4、接口灵活：用户可以定制各种各样的训练方法，只用少量代码就能实现。

如何使用天授

以DQN（Deep-Q-Network）算法为例，我们在天授平台上使用CartPole小游戏，对它的agent进行训练。

配置环境

习惯上使用OpenAI Gym，如果使用Python代码，只需要简单的调用Tianshou即可。

CartPole-v0是一个可应用DQN算法的简单环境，它拥有离散操作空间。配置环境时，你需要注意它的操作空间是连续还是离散的，以此选择适用的算法。

设置多环境层

你可以使用现成的gym.Env：

也可以选择天授提供的三种向量环境层：VectorEnv、SubprocVectorEnv和RayVectorEnv，如下所示：

示例中分别设置了8层和100层环境。

建立网络

天授支持任意用户自主定义的网络或优化器，但有接口限制。

以下是一个正确的示例：

设置策略

我们使用已定义的net和optim（有额外的策略超参数）来定义一个策略。下方我们用一个目标网络来定义DQN算法策略。

设置收集器

收集器是天授的关键概念，它使得策略能够高效的与不同环境交互。每一步，收集器都会将该策略的操作数据记录在一个回放缓存中。

训练

天授提供了训练函数onpolicy_trainer和offpolicy_trainer。当策略达到终止条件时，他们会自动停止训练。由于DQN是无策略算法，我们使用offpolicy_trainer。

训练器支持TensorBoard记录，方法如下：

将参数writer输入训练器中，训练结果会被记录在TensorBoard中。

记录显示，我们在几乎4秒的时间内完成了对DQN的训练。

保存/加载策略

因为我们的策略沿袭自torch.nn.Module，所以保存/加载策略方法与torch模块相同。

观察模型表现

收集器支持呈现功能，以35帧率观察模型方法如下：

用你自己的代码训练策略

如果你不想用天授提供的训练器也没问题，以下是使用自定义训练器的方法。

上手体验

天授需要Python3环境。以CartPole训练DQN模型为例，输入test_dqn.py代码进行训练，其结果统计如下：

可以看出整个训练过程用时7.36秒，与开发者给出的训练时间符合。

模型训练结果如下：

作者介绍

天授的开发者：翁家翌，清华大学的在读大四本科生。

高中毕业于福州一中，前NOI选手。

大二时作就作为团队主要贡献者获得了强化学习国际比赛vizdoom的冠军。他希望能将天授平台深入开发，成为强化学习平台的标杆。开源也是希望有更多的小伙伴加入这个项目。

传送门：

PyPI提供天授平台下载，你也可以在Github上找到天授的最新版本和其他资料。

PYPI：

https://pypi.org/project/tianshou/

Github天授主页：

https://github.com/thu-ml/tianshou

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

如何关注、学习、用好人工智能？

每个工作日，量子位AI内参精选全球科技和研究最新动态，汇总新技术、新产品和新应用，梳理当日最热行业趋势和政策，搜索有价值的论文、教程、研究等。

同时，AI内参群为大家提供了交流和分享的平台，更好地满足大家获取AI资讯、学习AI技术的需求。扫码即可订阅：

了解AI发展现状，抓住行业发展机遇

AI社群 | 与优秀的人交流

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !