我要评论01 安装环境
gym是用于开发和比较强化学习算法的工具包，在python中安装gym库和其中子场景都较为简便。安装gym：
pip install gym
安装自动驾驶模块，这里使用edouard leurent发布在github上的包highway-env：
pip install --user git+https://github.com/eleurent/highway-env
其中包含6个场景：
高速公路——“highway-v0”
汇入——“merge-v0”
环岛——“roundabout-v0”
泊车——“parking-v0”
十字路口——“intersection-v0”
赛车道——“racetrack-v0”
02 配置环境
安装好后即可在代码中进行实验（以高速公路场景为例）：
import gym
import highway_env
%matplotlib inline
env = gym.make('highway-v0')
env.reset()
for _ in range(3):
action = env.action_type.actions_indexes["idle"]
obs, reward, done, info = env.step(action)
env.render()
运行后会在模拟器中生成如下场景：
绿色为ego vehicle env类有很多参数可以配置，具体可以参考原文档。
03 训练模型
3.1 数据处理
(1)stat
ehighway-env包中没有定义传感器，车辆所有的state (observations) 都从底层代码读取，节省了许多前期的工作量。根据文档介绍，state (ovservations) 有三种输出方式：kinematics，grayscale image和occupancy grid。
kinematics
输出v*f的矩阵，v代表需要观测的车辆数量（包括ego vehicle本身），f代表需要统计的特征数量。例：
数据生成时会默认归一化，取值范围：[100, 100, 20, 20]，也可以设置ego vehicle以外的车辆属性是地图的绝对坐标还是对ego vehicle的相对坐标。
在定义环境时需要对特征的参数进行设定：
config = \
{
"observation":
{
"type": "kinematics",
#选取5辆车进行观察（包括ego vehicle）
"vehicles_count": 5,
#共7个特征
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],
"features_range":
{
"x": [-100, 100],
"y": [-100, 100],
"vx": [-20, 20],
"vy": [-20, 20]
},
"absolute": false,
"order": "sorted"
},
"simulation_frequency": 8, # [hz]
"policy_frequency": 2, # [hz] }
grayscale image
生成一张wh的灰度图像，w代表图像宽度，h代表图像高度
occupancy grid
生成一个whf的三维矩阵，用wh的表格表示ego vehicle周围的车辆情况，每个格子包含f个特征。
(2) action
highway-env包中的action分为连续和离散两种。连续型action可以直接定义throttle和steering angle的值，离散型包含5个meta actions：
0: 'lane_left',
1: 'idle',
2: 'lane_right',
3: 'faster',
4: 'slower' }
(3) reward
highway-env包中除了泊车场景外都采用同一个reward function：
这个function只能在其源码中更改，在外层只能调整权重。（泊车场景的reward function原文档里有，懒得打公式了……）
3.2 搭建模型
dqn网络的结构和搭建过程已经在我另一篇文章中讨论过，所以这里不再详细解释。我采用第一种state表示方式——kinematics进行示范。
由于state数据量较小（5辆车*7个特征），可以不考虑使用cnn，直接把二维数据的size[5,7]转成[1,35]即可，模型的输入就是35，输出是离散action数量，共5个。
import torch
import torch.nn as nn
from torch.autograd import variable
import torch.nn.functional as f
import torch.optim as optim
import torchvision.transforms as t
from torch import floattensor, longtensor, bytetensor
from collections import namedtuple
import random
tensor = floattensor
epsilon = 0 # epsilon used for epsilon greedy approach
gamma = 0.9
target_network_replace_freq = 40 # how frequently target netowrk updates
memory_capacity = 100
batch_size = 80
lr = 0.01 # learning rate
class dqnnet(nn.module):
def __init__(self):
super(dqnnet,self).__init__()
self.linear1 = nn.linear(35,35)
self.linear2 = nn.linear(35,5)
def forward(self,s):
s=torch.floattensor(s)
s = s.view(s.size(0),1,35)
s = self.linear1(s)
s = self.linear2(s)
return s
class dqn(object):
def __init__(self):
self.net,self.target_net = dqnnet(),dqnnet()
self.learn_step_counter = 0
self.memory = []
self.position = 0
self.capacity = memory_capacity
self.optimizer = torch.optim.adam(self.net.parameters(), lr=lr)
self.loss_func = nn.mseloss()
def choose_action(self,s,e):
x=np.expand_dims(s, axis=0)
if np.random.uniform() < 1-e:
actions_value = self.net.forward(x)
action = torch.max(actions_value,-1)[1].data.numpy()
action = action.max()
else:
action = np.random.randint(0, 5)
return action
def push_memory(self, s, a, r, s_):
if len(self.memory) < self.capacity:
self.memory.append(none)
self.memory[self.position] = transition(torch.unsqueeze(torch.floattensor(s), 0),torch.unsqueeze(torch.floattensor(s_), 0),\
torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype='float32')))#
self.position = (self.position + 1) % self.capacity
def get_sample(self,batch_size):
sample = random.sample(self.memory,batch_size)
return sample
def learn(self):
if self.learn_step_counter % target_network_replace_freq == 0:
self.target_net.load_state_dict(self.net.state_dict())
self.learn_step_counter += 1
transitions = self.get_sample(batch_size)
batch = transition(*zip(*transitions))
b_s = variable(torch.cat(batch.state))
b_s_ = variable(torch.cat(batch.next_state))
b_a = variable(torch.cat(batch.action))
b_r = variable(torch.cat(batch.reward))
q_eval = self.net.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64))
q_next = self.target_net.forward(b_s_).detach() #
q_target = b_r + gamma * q_next.squeeze(1).max(1)[0].view(batch_size, 1).t()
loss = self.loss_func(q_eval, q_target.t())
self.optimizer.zero_grad() # reset the gradient to zero
loss.backward()
self.optimizer.step() # execute back propagation for one step
return loss
transition = namedtuple('transition',('state', 'next_state','action', 'reward'))
3.3 运行结果
各个部分都完成之后就可以组合在一起训练模型了，流程和用carla差不多，就不细说了。
初始化环境（dqn的类加进去就行了）：
import gym
import highway_env
from matplotlib import pyplot as plt
import numpy as np
import time
config = \
{
"observation":
{
"type": "kinematics",
"vehicles_count": 5,
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],
"features_range":
{
"x": [-100, 100],
"y": [-100, 100],
"vx": [-20, 20],
"vy": [-20, 20]
},
"absolute": false,
"order": "sorted"
},
"simulation_frequency": 8, # [hz]
"policy_frequency": 2, # [hz]
}
env = gym.make("highway-v0")
env.configure(config)
训练模型：
dqn=dqn()
count=0
reward=[]
avg_reward=0
all_reward=[]
time_=[]
all_time=[]
collision_his=[]
all_collision=[]
while true:
done = false
start_time=time.time()
s = env.reset()
while not done:
e = np.exp(-count/300) #随机选择action的概率，随着训练次数增多逐渐降低
a = dqn.choose_action(s,e)
s_, r, done, info = env.step(a)
env.render()
dqn.push_memory(s, a, r, s_)
if ((dqn.position !=0)&(dqn.position % 99==0)):
loss_=dqn.learn()
count+=1
print('trained times:',count)
if (count%40==0):
avg_reward=np.mean(reward)
avg_time=np.mean(time_)
collision_rate=np.mean(collision_his)
all_reward.append(avg_reward)
all_time.append(avg_time)
all_collision.append(collision_rate)
plt.plot(all_reward)
plt.show()
plt.plot(all_time)
plt.show()
plt.plot(all_collision)
plt.show()
reward=[]
time_=[]
collision_his=[]
s = s_
reward.append(r)
end_time=time.time()
episode_time=end_time-start_time
time_.append(episode_time)
is_collision=1 if info['crashed']==true else 0
collision_his.append(is_collision)
我在代码中添加了一些画图的函数，在运行过程中就可以掌握一些关键的指标，每训练40次统计一次平均值。
平均碰撞发生率：
epoch平均时长(s)：
平均reward：
可以看出平均碰撞发生率会随训练次数增多逐渐降低，每个epoch持续的时间会逐渐延长（如果发生碰撞epoch会立刻结束）。
以上就是今天的全部内容分享，觉得有用的话欢迎点赞收藏哦！
python经验分享
学好 python 不论是用于就业还是做副业赚钱都不错，而且学好python还能契合未来发展趋势——人工智能、机器学习、深度学习等。
小编是一名python开发工程师，自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。如果你也喜欢编程，想通过学习python转行、做副业或者提升工作效率，这份【最新全套python学习资料】 一定对你有用！
小编为对python感兴趣的小伙伴准备了以下籽料 ！
对于0基础小白入门：
如果你是零基础小白，想快速入门python是可以考虑培训的！
- 学习时间相对较短，学习内容更全面更集中
- 可以找到适合自己的学习方案
包括：python激活码+安装包、python web开发，python爬虫，python数据分析，人工智能、机器学习、python量化交易等学习教程。带你从零基础系统性的学好python！
一、python所有方向的学习路线
python所有方向路线就是把python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习python常用的开发软件都在这里了，给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
我已经上传至csdn官方，如果需要可以扫描下方官方二维码免费获取【保证100%免费】
*今天的分享就到这里，喜欢且对你有所帮助的话，记得点赞关注哦~下回见 ！
发表评论