AI开发平台ModelArtsAI开发平台ModelArts

计算
弹性云服务器 ECS
裸金属服务器 BMS
云手机 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器 HECS
VR云渲游平台 CVR
特惠算力专区
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属企业存储服务
云存储网关 CSG
专属分布式存储服务 DSS
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘小站 IES
智能边缘平台 IEF
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
园区智能体 CampusGo
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
视频分析服务 VAS
语音交互服务 SIS
知识图谱 KG
人证核身服务 IVS
IoT物联网
设备接入 IoTDA
设备管理 IoTDM(联通用户专用)
全球SIM联接 GSL
IoT开发者服务
IoT数据分析
车联网服务 IoV
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
开发与运维
软件开发平台 DevCloud
项目管理 ProjectMan
代码托管 CodeHub
流水线 CloudPipeline
代码检查 CodeCheck
编译构建 CloudBuild
部署 CloudDeploy
云测 CloudTest
发布 CloudRelease
移动应用测试 MobileAPPTest
CloudIDE
Classroom
开源镜像站 Mirrors
应用魔方 AppCube
云性能测试服务 CPTS
应用管理与运维平台 ServiceStage
云应用引擎 CAE
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
资源管理服务 RMS
应用身份管理服务 OneAccess
区块链
区块链服务 BCS
可信跨链服务 TCS
智能协作
IdeaHub
开发者工具
SDK开发指南
API签名指南
DevStar
HCloud CLI
Terraform
Ansible
API问题定位指导
云生态
云市场
合作伙伴中心
华为云培训中心
其他
管理控制台
消息中心
产品价格详情
系统权限
我的凭证
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
应用编排服务 AOS
多云容器平台 MCP
基因容器 GCS
容器洞察引擎 CIE
云原生服务中心 OSC
容器批量计算 BCE
容器交付流水线 ContainerOps
应用服务网格 ASM
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB (for openGauss)
云数据库 GaussDB(for MySQL)
云数据库 GaussDB NoSQL
数据管理服务 DAS
数据库和应用迁移 UGO
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据湖治理中心 DGC
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
API网关 APIG
分布式缓存服务 DCS
分布式消息服务RocketMQ版
企业应用
域名注册服务 Domains
云解析服务 DNS
云速建站 CloudSite
网站备案
华为云WeLink
会议
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMAExchange
API全生命周期管理 ROMA API
安全与合规
安全技术与应用
DDoS防护 ADS
Web应用防火墙 WAF
云防火墙 CFW
应用信任中心 ATC
企业主机安全 HSS
容器安全服务 CGS
云堡垒机 CBH
数据库安全服务 DBSS
数据加密服务 DEW
数据安全中心 DSC
云证书管理服务 CCM
SSL证书管理 SCM
漏洞扫描服务 VSS
态势感知 SA
威胁检测服务 MTD
管理检测与响应 MDR
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
专属云
专属计算集群 DCC
解决方案
高性能计算 HPC
SAP
游戏云
混合云灾备
华为工业云平台 IMC
价格
成本优化最佳实践
专属云商业逻辑
用户服务
帐号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
文档首页> AI开发平台ModelArts> 最佳实践> 模型开发(预置算法-新版训练)> 使用强化学习自定义环境实现贪吃蛇游戏
更新时间:2021-11-17 GMT+08:00
分享

使用强化学习自定义环境实现贪吃蛇游戏

本章节介绍使用AI Gallery强化学习算法训练自定义环境“贪吃蛇”示例。

本示例展示强化学习预置算法自定义环境用法,建议您准备好用于强化学习的自定义环境。

环境介绍与实现

如下所示仅提供本示例的自定义环境描述,帮助理解后续步骤。当您使用此功能时,需替换为您的自定义环境,同时将您的自定义环境相关文件按文件结构要求上传至OBS桶中。

本示例自定义环境相关代码,可从ModelArts-Lab工程中获得。下载工程,然后在“\ModelArts-Lab-master\official_examples\Reinforcement_Learning_Custom_Env_Example_Code”获取训练代码“custom_env”和用于预测的“Single_Step_Data_For_Inference.txt”文件。将训练代码“custom_env”上传至OBS桶中。

  • 环境介绍

    贪吃蛇游戏是一款休闲益智类游戏,该游戏通过控制蛇头方向吃果实,从而使得蛇的长度变得越来越长,随着蛇本身长度的增加,游戏难度也随之增加。

  • 问题描述
    • 目标:利用强化学习训练智能体控制蛇移动并不断吃果实,以期获得尽可能多的分数或者尽可能长的长度。
    • 环境:贪吃蛇游戏环境,每吃到一个果实,积分增加1并且蛇的长度增加1;若蛇的头部碰到边界或者自己的身体,则蛇死亡,游戏失败。
    • 状态:游戏画面信息
    • 动作:上、下、左、右
  • 环境实现

    本示例中,代码及文件结构如下所示。

    |- custom_env
      |- snake_env.py
      |- alg_config.json

    其中,环境的实现文件和算法参数配置文件一起放在命名为“custom_env”的文件夹内(说明:该文件夹名字无约束),本示例中,snake_env文件夹内的snake_env.py是环境的具体实现代码。

    其中,在snake_env.py中除了环境的实现代码(满足gym标准),还必须包含一个方法,主要用来实例化环境类并返回这个实例。snake_env.py相应内容结构如下所示。

    class Snake_env(gym.Env):
        def __init__()
        ... ...
    
    def create_custom_env(env_config):
        custom_env = Snake_env()
        return custom_env

    alg_config.json的配置如下:

    {
      #当前文件夹下环境所在.py文件的名字
      "env_url": "snake_env",
      "config": {
        # 环境名字
        "env": "snake_env",
      }
    }
    

进入AI Gallery订阅强化学习算法

ModelArts预置的强化学习算法(名为“强化学习GameAI”)发布在AI Gallery中。您可以前往AI Gallery,订阅强化学习GameAI,然后同步至ModelArts中。

  1. 在ModelArts管理控制台中,在左侧菜单栏中选择AI Gallery,进入AI Gallery。
  2. 在AI Gallery中,选择“资产集市>算法”页签,在搜索框中输入“强化学习Game AI”,查找强化学习预置算法。
  3. 单击算法名称进入算法详情页,单击右侧的“订阅”,根据界面提示完成算法订阅。

    此算法由ModelArts官方提供,目前免费开放。订阅算法完成后,页面的“订阅”按钮显示为“已订阅”

  4. 单击详情页的“前往控制台”,此时弹出“选择云服务区域”对话框,选择对应的区域,然后再单击“确定”,页面将自动跳转至ModelArts的“算法管理>我的订阅”中同步对应的算法。

    此处选择的区域,务必与代码存储的OBS桶所在区域、ModelArts的使用区域一致。

    图1 前往控制台
    图2 选择云服务区域
  5. 在ModelArts管理控制台的算法管理页面,算法将自动同步至ModelArts中。
    图3 同步算法

使用订阅算法创建训练作业

算法订阅成功后,算法将呈现在“算法管理>我的订阅”中,您可以使用订阅的“强化学习预置算法”算法创建训练作业,获得模型。

  1. 进入“算法管理>我的订阅”页面,选择订阅的“强化学习预置算法”,在版本列表中,单击“创建训练作业”
    图4 创建训练作业
  2. 在创建训练作业页面,参考如下说明填写关键参数。
    • “算法>我的订阅”:系统默认选择上一步骤订阅的算法,请勿随意修改。
    • “训练输入”:本示例使用自定义环境,所以“训练输入>选择数据存储位置”需要选择自定义环境所在的文件夹,也就是选择到“custom_env”这个层级即可(具体自定义环境文件结构请参见环境介绍与实现)。
    • “训练输出”:选择一个OBS空目录存储训练输出的模型。
    • “超参”:由于不需要使用内置环境,需将参数“use_preset_env”设置为“False”。其他参数在本示例中建议采用默认值。
    • “资源类型”:建议选择CPU规格的资源池,例如“modelarts.vm.cpu.8u”规格。
      图5 训练作业参数
      图6 超参配置
  3. 参数填写完成后,单击“提交”,根据界面提示完成训练作业创建。
  4. 进入“训练管理>训练作业New”页面,等待训练作业完成。

    训练作业运行需要几分钟时间,请耐心等待。根据经验,此样例不会超过10分钟。

    当训练作业的状态变更为“已完成”时,表示已运行结束。您可以单击训练作业名称,进入详情页面,了解训练作业的“配置信息”、“日志”、“资源占用情况”等信息。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型。

导入模型

  1. 在ModelArts管理控制台,选择“模型管理 > 模型”
  2. 在模型列表页面,单击“导入”。进入导入模型页面,参考如下说明填写关键参数。

    “元模型来源”:选择“训练作业(New)”。然后在“选择训练作业”右侧下拉框中选择上一步创建的训练作业。

    图7 从训练中选择模型
  3. 模型导入参数填写完成后,单击“立即创建”。页面自动跳转至模型列表页面,等待模型导入结果。

    当模型的状态变为“正常”时,表示模型导入成功。

    图8 模型导入成功

部署为在线服务

模型导入成功后,可将此模型部署为在线服务,部署完成后即可在ModelArts管理控制台进行预测。

  1. 在模型列表中,单击操作列的“部署 > 在线服务”
    图9 部署模型
  2. 在部署页面,参考如下说明填写关键参数。

    “资源池”:选择“公共资源池”

    “选择模型及配置”“模型”“版本”会自动选择前面导入的模型。“计算节点规格”,在下拉框中选择CPU或GPU,本示例选择CPU资源进行部署。计算节点个数,需设置为“1”,目前仅支持单机部署,只能设置为“1”,不可修改。

    其他参数可使用默认值。

    图10 部署模型参数
  3. 参数设置完成后,单击“下一步”,根据界面提示,完成在线服务的部署。

    您可以进入“在线服务列表”页面,等待服务部署结束,当服务状态变为“运行中”时,表示服务部署成功。

  4. 在线服务部署完成后,您可以单击服务名称进入服务详情页。
    • 访问服务:了解“调用指南”,获取“API接口地址”,了解“输入参数”“输出参数”,可通过postman或使用curl命令发送请求,调用方法请参见访问在线服务
      图11 调用指南
    • 预测:单击“预测”页签,输入相应的参数或代码,单击“预测”即可看到运行结果,具体格式及要求参考算法说明文档。
      本示例提供了可用于推理预测的数据,从ModelArts-Lab工程下载时,可获得训练代码和用于预测的数据文件。在本地打开“Single_Step_Data_For_Inference.txt”文件,拷贝文件中的所有内容,然后将内容黏贴至预测界面的“预测代码”输入框中。
      • 上述推理预测使用的数据,可以在ModelArts-Lab工程代码目录中下载,可从“\ModelArts-Lab-master\official_examples\Reinforcement_Learning_Custom_Env_Example_Code”目录下获取。
      • 对于不同的环境,其环境状态不同,对应的“observations”就不同,应用推理时需要明确。
      • 在线部署推理仅为单步预测,如果想实现完整的业务推理,需要使用训练保存的模型,编写相应的推理程序。
      图12 预测结果

清除资源

为避免产生不必要额费用,通过此示例学习时序预测算法的使用后,您可以清除相关资源,避免造成资源浪费。

  • 停止在线服务:在“在线服务”页面,单击对应服务操作列的“停止”
  • 删除训练作业:在“训练作业New”页面,单击操作列的“删除”
  • 删除数据:前往OBS,删除上传的数据,然后删除文件夹及OBS桶。
分享:

    相关文档

    相关产品

关闭导读