一旦您训练了强化学习代理,您就可以生成代码来部署最优策略。您可以生成:
CUDA®使用GPU Coder™的深度神经网络策略代码
C/ c++代码,适用于表,深度神经网络,或线性基函数策略使用MATLAB®编码器™
只要支持所有使用的层,在任何输入路径中金宝app使用前馈神经网络的代理都支持代码生成。使用递归神经网络(RNN)的连续动作PG、AC金宝app、PPO和SAC代理不支持代码生成。
有关培训强化学习代理的更多信息,请参阅训练强化学习代理.
要创建基于给定观察选择操作的策略评估函数,请使用生成策略函数
命令。该命令生成一个MATLAB脚本,其中包含策略评估函数,以及一个mat -文件,其中包含最优策略数据。
您可以使用GPU编码器或生成代码来部署此策略功能MATLAB编码器.
如果您训练的最优策略使用深度神经网络,您可以使用GPU编码器为策略生成CUDA代码。有关受支持的gpu的更多信息,请参阅金宝appGPU版金宝app本支持(并行计算工具箱)。有几种必需的和推荐的先决产品可用于为深度神经网络生成CUDA代码。有关更多信息,请参阅下载188bet金宝搏安装必备产品下载188bet金宝搏(GPU编码器)和设置前提产品下载188bet金宝搏(GPU编码器).
并非所有深层神经网络层都支持GPU代码生成。有关受支持图层的列表,请参金宝app见金宝app支持的网络、层和类(GPU编码器).有关GPU代码生成的更多信息和示例,请参见GPU编码器的深度学习(GPU编码器).
例如,为在中培训的策略梯度代理生成GPU代码培训PG代理以平衡车柱系统.
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”,“代理”)
为该代理创建策略评估函数。
generatePolicyFunction(代理)
该命令创建评估政策
包含策略函数的文件,以及agentData.mat
文件,其中包含训练的深度神经网络参与者。对于给定的观测,策略函数使用行动者网络评估每个潜在动作的概率。然后,策略函数根据这些概率随机选择一个行动。
您可以使用GPU编码器生成此网络的代码。例如,您可以生成与CUDA兼容的MEX函数。
配置codegen
函数创建CUDA兼容的C++ MEX函数。
cfg = coder.gpuConfig (墨西哥人的);cfg.TargetLang=“c++”;cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”);
设置策略评估函数的示例输入值。要查找观察维度,请使用获取观测信息
函数。在这种情况下,观测值是一个四元素向量。
argstr =“{one(4,1)}”;
使用codegen
函数。
codegen (“配置”,“cfg”,“evaluatePolicy”,“参数”,argstr,“-报告”);
此命令生成MEX函数评估政策
.
您可以使用以下方法为表、深度神经网络或线性基函数策略生成C/C++代码:MATLAB编码器.
使用MATLAB编码器,您可以生成:
C/ c++代码,用于使用Q表、值表或线性基函数的策略。有关通用C/ c++代码生成的更多信息,请参见生成代码(MATLAB编码器).
使用深度神经网络的策略的c++代码。注意,使用递归神经网络(RNN)的连续动作PG、AC、PPO和SA金宝appC代理不支持代码生成。有关受支持的层的列表,请参见金宝app支持代码生成的网络和层金宝app(MATLAB编码器).有关更多信息,请参见深度学习与MATLAB编码器的先决条件(MATLAB编码器)和深度学习与MATLAB编码器(MATLAB编码器).
例如,生成不依赖第三方库的C代码,用于训练的策略梯度代理培训PG代理以平衡车柱系统.
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”,“代理”)
为该代理创建策略评估函数。
generatePolicyFunction(代理)
该命令创建评估政策
包含策略函数的文件,以及agentData.mat
文件,其中包含训练的深度神经网络参与者。对于给定的观测,策略函数使用行动者网络评估每个潜在动作的概率。然后,策略函数根据这些概率随机选择一个行动。
配置codegen
函数生成适合构建MEX文件的代码。
cfg = coder.config (墨西哥人的);
在配置对象上,将目标语言设置为C++,并设置深度学习配置
到没有一个
”。此选项不使用任何第三方库生成代码。
cfg.TargetLang=“C”;cfg。DeepLearningConfig =编码器。DeepLearningConfig (“没有”);
设置策略评估函数的示例输入值。要查找观察维度,请使用获取观测信息
函数。在这种情况下,观测值是一个四元素向量。
argstr =“{one(4,1)}”;
使用codegen
函数。
codegen (“配置”,“cfg”,“evaluatePolicy”,“参数”,argstr,“-报告”);
这个命令为包含深度神经网络参与者的策略梯度代理生成c++代码。
作为例子,生成用于训练的策略梯度代理的C++代码。培训PG代理以平衡车柱系统使用英特尔深度神经网络数学内核库(MKL-DNN)。
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”,“代理”)
为该代理创建策略评估函数。
generatePolicyFunction(代理)
该命令创建评估政策
包含策略函数的文件,以及agentData.mat
文件,其中包含训练的深度神经网络参与者。对于给定的观测,策略函数使用行动者网络评估每个潜在动作的概率。然后,策略函数根据这些概率随机选择一个行动。
配置codegen
函数生成适合构建MEX文件的代码。
cfg = coder.config (墨西哥人的);
在配置对象上,将目标语言设置为C++,并设置深度学习配置
到目标库'mkldnn
“。此选项使用“英特尔深度神经网络数学内核库”(英特尔MKL-DNN)生成代码。
cfg.TargetLang=“c++”;cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”);
设置策略评估函数的示例输入值。要查找观察维度,请使用获取观测信息
函数。在这种情况下,观测值是一个四元素向量。
argstr =“{one(4,1)}”;
使用codegen
函数。
codegen (“配置”,“cfg”,“evaluatePolicy”,“参数”,argstr,“-报告”);
这个命令为包含深度神经网络参与者的策略梯度代理生成c++代码。
为例,生成在中训练的Q-learning agent的C代码在基本网格世界中训练强化学习Agent.
给训练有素的特工装上子弹。
负载(“basicGWQAgent.mat”,“qAgent”)
为该代理创建策略评估函数。
generatePolicyFunction (qAgent)
该命令创建评估政策
包含策略函数的文件,以及agentData.mat
文件,其中包含经过训练的Q表值函数。对于给定的观察,策略函数使用Q表查找每个潜在操作的值函数。然后,策略函数选择值函数最大的操作。
设置策略评估函数的示例输入值。要查找观察维度,请使用获取观测信息
函数。在这种情况下,有一个单一的一维观测(属于一个离散的可能值集)。
argstr =“{[1]}”;
配置codegen
函数生成适合于目标为静态库的可嵌入C代码,并将输出文件夹设置为构建文件夹
.
cfg = coder.config (“自由”);倒转褶皱=“buildFolder”;
使用codegen
函数。
codegen (“-c”,“-d”,外接器,“配置”,“cfg”,...“evaluatePolicy”,“参数”,argstr,“-报告”);