Keras 模型：RL 代理的输入形状尺寸误差

Posted 2023-03-12

【中文标题】Keras 模型：RL 代理的输入形状尺寸误差

【英文标题】：Keras model: Input shape dimension error for RL agent

【发布时间】：2020-06-30 09:16:19

【问题描述】：

我的目标是开发一个 DQN 代理，它将根据特定的策略/政策选择其行动。我之前使用过 OpenAi 健身房环境，但现在我想创建自己的 RL 环境。

在这个阶段，agent 要么选择一个随机动作，要么根据深度神经网络（在类 DQN 中定义）给出的预测选择他的动作.

到目前为止，我已经设置了神经网络模型和我的环境。 NN 应接收状态作为其输入。这些状态代表 11 个可能的标量值，范围从 9.5 到 10.5（9.5、9.6、...、10.4、10.5）。由于我们正在处理 RL，因此代理会在训练过程中生成其数据。输出应该是对应于推荐操作的 0 和 1。

现在，我想为我的代理提供一个标量值：例如x = 10 的示例状态并让他决定要采取的操作（调用 Agent.select_action()），我遇到了与输入形状/输入尺寸相关的问题。

代码如下： 1。 DQN 类：

class DQN():

    def __init__(self, state_size, action_size, lr):
        self.state_size = state_size
        self.action_size = action_size
        self.lr = lr

        self.model = Sequential()
        self.model.add(Dense(128, input_dim=self.state_size, activation='relu'))
        self.model.add(Dense(128, activation='relu'))
        self.model.add(Dense(self.action_size, activation='linear'))

        self.model.compile(optimizer=Adam(lr=self.lr), loss='mse')

        self.model.summary()


    def model_info(self):
        model_description = '\n\n---Model_INFO Summary: The model was passed  state sizes,\
            \n  action sizes and a learning rate of  -----'\
                            .format(self.state_size, self.action_size, self.lr)
        return model_description

    def predict(self, state):
        return self.model.predict(state)

    def train(self, state, q_values):
        self.state = state
        self.q_values = q_values
        return self.model.fit(state, q_values, verbose=0)

    def load_weights(self, path):
        self.model.load_weights(path)

    def save_weights(self, path):
        self.model.save_weights(path)

2。代理类：

NUM_EPISODES = 100
MAX_STEPS_PER_EPISODE = 100
EPSILON = 0.5 
EPSILON_DECAY_RATE = 0.001
EPSILON_MIN = 0.01
EPSILON_MAX = 1
DISCOUNT_FACTOR = 0.99
REPLAY_MEMORY_SIZE = 50000
BATCH_SIZE = 50
TRAIN_START = 100
ACTION_SPACE = [0, 1]
STATE_SIZE = 11 
LEARNING_RATE = 0.01

class Agent():
    def __init__(self, num_episodes, max_steps_per_episode, epsilon, epsilon_decay_rate, \
        epsilon_min, epsilon_max, discount_factor, replay_memory_size, batch_size, train_start):
        self.num_episodes = NUM_EPISODES
        self.max_steps_per_episode = MAX_STEPS_PER_EPISODE
        self.epsilon = EPSILON
        self.epsilon_decay_rate = EPSILON_DECAY_RATE
        self.epsilon_min = EPSILON_MIN
        self.epsilon_max = EPSILON_MAX
        self.discount_factor = DISCOUNT_FACTOR
        self.replay_memory_size = REPLAY_MEMORY_SIZE
        self.replay_memory = deque(maxlen=self.replay_memory_size)
        self.batch_size = BATCH_SIZE
        self.train_start = TRAIN_START
        self.action_space = ACTION_SPACE
        self.action_size = len(self.action_space)
        self.state_size = STATE_SIZE
        self.learning_rate = LEARNING_RATE
        self.model = DQN(self.state_size, self.action_size, self.learning_rate)

    def select_action(self, state):
        random_value = np.random.rand()
        if random_value < self.epsilon:
            print('random_value = ', random_value)       
            chosen_action = random.choice(self.action_space) # = EXPLORATION Strategy
            print('Agent randomly chooses the following EXPLORATION action:', chosen_action)       
        else: 
            print('random_value =  is greater than epsilon'.format(random_value))       
            state = np.float32(state) # Transforming passed state into numpy array
            prediction_by_model = self.model.predict(state) 
            chosen_action = np.argmax(prediction_by_model[0]) # = EXPLOITATION strategy
            print('NN chooses the following EXPLOITATION action:', chosen_action)       
        return chosen_action

if __name__ == "__main__":
    agent_test = Agent(NUM_EPISODES, MAX_STEPS_PER_EPISODE, EPSILON, EPSILON_DECAY_RATE, \
        EPSILON_MIN, EPSILON_MAX, DISCOUNT_FACTOR, REPLAY_MEMORY_SIZE, BATCH_SIZE, \
            TRAIN_START)
    # Test of select_action function:
    state = 10 
    state = np.array(state)
    print(state.shape)
    print(agent_test.select_action(state))

这是我在运行此代码时遇到的回溯错误：

**ValueError**: Error when checking input: expected dense_209_input to have 2 dimensions, but got array with shape ()

我不确定为什么会出现关于 2 维的错误，因为我已将 DQN 类中的 NN 配置为仅接收 1 维。

我已经阅读过有关 *** 的类似问题（Keras Sequential model input shape、Keras model input shape wrong、Keras input explanation: input_shape, units, batch_size, dim, etc）。但是，我还不能根据我的用例调整这些建议。

您有什么建议或提示吗？感谢您的帮助！

【参考方案1】：

这里有几个问题。首先，您所说的state_size 实际上是一个状态空间，即您的代理可能处于的所有可能状态的集合。状态大小实际上是 1，因为您只想将一个参数作为状态传递。

在此处定义输入层时：

self.model.add(Dense(128, input_dim=self.state_size, activation='relu'))

您说您的输入维度将等于 11，但是当您调用预测时，您向其传递了 1 个数字 (10)。

因此您要么需要修改input_dim 以仅接收一个数字，要么您可以定义您的状态向量，如state = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])，每个数字对应一个可能的状态（从 9.5 到 10.5）。因此，当状态为 9.5 时，您的状态向量为 [1, 0, 0, ...0] 等等。

第二个问题是，当你定义你的状态时，你应该加上方括号

state = np.array([10])

否则数组的形状是 ()，我相信你已经发现了。

希望对您有所帮助！如果您需要任何说明，请告诉我。

【讨论】：

非常感谢，罗曼！你是对的，我混淆了 state_sizes 和 state_spaces。我添加了调整并测试了代理的 select_action()。现在它工作正常。感谢您的见解，感谢您的帮助。干杯，马克斯

乐于助人，麦克斯！