openai/gym 中各种环境（Env）的参数解释

Posted 2023-04-12

参考技术A openai/gym 种有众多已经建立好的环境，如：

并行运行 openai-gym 环境

【中文标题】并行运行 openai-gym 环境

【英文标题】：Run openai-gym environment on parallel

【发布时间】：2019-06-04 20:55:48

【问题描述】：

以下代码摘自https://bair.berkeley.edu/blog/2018/01/09/ray/。

import gym

@ray.remote
class Simulator(object):
    def __init__(self):
        self.env = gym.make("Pong-v0")
        self.env.reset()

    def step(self, action):
        return self.env.step(action)

# Create a simulator, this will start a remote process that will run
# all methods for this actor.
simulator = Simulator.remote()

observations = []
for _ in range(4):
    # Take action 0 in the simulator. This call does not block and
    # it returns a future.
    observations.append(simulator.step.remote(0))

当我阅读这段代码时，我感到很困惑。这段代码真的是并行运行的吗？根据我的理解，env 只有一个，所以上面的代码应该按顺序执行操作，即一个接一个地执行操作。如果是这样，那么做上述事情的意义何在？

【参考方案1】：

你是对的，只有一个 Simulator 演员。 step 方法在 actor 上被调用了四次。这会创建四个任务，actor 将依次执行这些任务。

如果这就是应用程序所做的一切，那么创建一个常规的 Python 对象并调用一个方法四次没有任何优势。但是，这种方法使您可以选择创建两个 Simulator 演员并在它们上并行调用方法。例如，您可以编写以下内容。

# This assumes you've already called "import ray", "import gym",
# "ray.init()", and defined the Simulator class from the original
# post.

# Create two simulators.
simulator1 = Simulator.remote()
simulator2 = Simulator.remote()

# Step each of them four times.
observation_ids1 = []
observation_ids2 = []
for _ in range(4):
    observation_ids1.append(simulator1.step.remote(0))
    observation_ids2.append(simulator2.step.remote(0))

# Get the results.
observations1 = ray.get(observation_ids1)
observations2 = ray.get(observation_ids2)

在此示例中，每个模拟器串行执行四个任务，但两个模拟器并行工作。您可以通过在 step 方法中添加 time.sleep(1) 语句并计时整个计算需要多长时间来说明这一点。