DouZero是为斗地主设计的强化学习框架(斗地主AI),从零开始通过自我博弈强化学习来学打斗地主。斗地主十分具有挑战性。它包含合作、竞争、非完全信息、庞大的状态空间。斗地主也有非常大的动作空间,并且每一步合法的牌型会非常不一样。DouZero由快手AI平台部开发。
安装训练部分的代码是基于GPU设计的,因此如果想要训练模型,您需要先安装CUDA。安装步骤可以参考官网教程。对于评估部分,CUDA是可选项,您可以使用CPU进行评估。首先,克隆本仓库(如果您访问Github较慢,国内用户可以使用Gitee镜像):gitclonehttps://github.com/kwai/DouZero.git确保您已经安装好Python3.6及以上版本,然后安装依赖:cddouzeropip3install-rrequirements.txt我们推荐通过以下命令安装稳定版本的Douzero:pip3installdouzero如果您访问较慢,国内用户可以通过清华镜像源安装:pip3installdouzero-ihttps://pypi.tuna.tsinghua.edu.cn/simple或是安装最新版本(可能不稳定):pip3install-e.注意,Windows用户只能用CPU来模拟。关于为什么GPU会出问题,详见Windows下的问题。但Windows用户仍可以在本地运行演示。训练假定您至少拥有一块可用的GPU,运行python3train.py这会使用一块GPU训练DouZero。如果需要用多个GPU训练Douzero,使用以下参数:--gpu_devices:用作训练的GPU设备名--num_actor_devices:被用来进行模拟(如自我对弈)的GPU数量--num_actors:每个设备的演员进程数--training_device:用来进行模型训练的设备例如,如果我们拥有4块GPU,我们想用前3个GPU进行模拟,每个GPU拥有15个演员,而使用第四个GPU进行训练,我们可以运行以下命令:python3train.py--gpu_devices0,1,2,3--num_actor_devices3--num_actors15--training_device3如果用CPU进行训练和模拟(Windows用户只能用CPU进行模拟),用以下参数:--training_devicecpu:用CPU来训练--actor_device_cpu:用CPU来模拟例如,用以下命令完全在CPU上运行:python3train.py--actor_device_cpu--training_devicecpu以下命令仅仅用CPU来跑模拟:python3train.py--actor_device_cpu其他定制化的训练配置可以参考以下可选项:--xpidXPID实验id(默认值:douzero)--save_intervalSAVE_INTERVAL保存模型的时间间隔(以分钟为单位)--objective{adp,wp}使用ADP或者WP作为奖励(默认值:ADP)--actor_device_cpu用CPU进行模拟--gpu_devicesGPU_DEVICES用作训练的GPU设备名--num_actor_devicesNUM_ACTOR_DEVICES被用来进行模拟(如自我对弈)的GPU数量--num_actorsNUM_ACTORS每个设备的演员进程数--training_deviceTRAINING_DEVICE用来进行模型训练的设备。`cpu`表示用CPU训练--load_model读取已有的模型--disable_checkpoint禁用保存检查点--savedirSAVEDIR实验数据存储跟路径--total_framesTOTAL_FRAMESTotalenvironmentframestotrainfor--exp_epsilonEXP_EPSILON探索概率--batch_sizeBATCH_SIZE训练批尺寸--unroll_lengthUNROLL_LENGTH展开长度(时间维度)--num_buffersNUM_BUFFERS共享内存缓冲区的数量--num_threadsNUM_THREADS学习者线程数--max_grad_normMAX_GRAD_NORM最大梯度范数--learning_rateLEARNING_RATE学习率--alphaALPHARMSProp平滑常数--momentumMOMENTUMRMSPropmomentum--epsilonEPSILONRMSPropepsilon点击空白处退出提示
评论