如何评估在 rllib (Ray) 中自定义环境中训练的演员？

Posted 2023-02-16

【中文标题】如何评估在 rllib (Ray) 中自定义环境中训练的演员？

【英文标题】：How to evaluate actors trained in custom environments in rllib (Ray)?

【发布时间】：2019-08-16 21:09:04

【问题描述】：

按照SimpleCorridor 示例，我可以创建自己的环境并训练模型！好的。但是当我尝试评估这个经过训练的模型时，rllib 无法识别我的自定义环境。

如何在自定义环境中评估经过训练的模型？

当我像建议的here 那样使用rllib rollout ... 时，它无法识别我的环境，因为它是自定义环境。我希望有一个像run_experiments 这样的函数，但又像evaluate_experiment 这样我可以在我的一个文件中的项目上调用它。

这就是问题所在。 如果你想看我的 custon_env 是这个one

现在我必须复制我的环境并将其粘贴到 gym/envs/ 包目录中，然后将其注册到 __init__.py 文件中。

很高兴看到另一种方法来做到这一点

谢谢

【参考方案1】：

您可以复制 rollout.py 脚本并对其进行修改以在脚本开头注册任何自定义环境或模型。这将允许它与任何不在健身房的环境一起工作。