Stable Baselines 3

W&B를 Stable Baseline 3와 통합하는 방법.

Stable Baselines 3 (SB3)는 PyTorch 기반의 신뢰할 수 있는 강화학습 알고리즘 구현체 모음입니다. W&B의 SB3 인테그레이션은 다음과 같은 기능을 제공합니다:

• 손실(loss) 및 에피소드 리턴(episodic returns)과 같은 메트릭 기록.
• 게임을 플레이하는 에이전트의 비디오 업로드.
• 트레이닝된 모델 저장.
• 모델의 하이퍼파라미터 로그 기록.
• 모델 그레이디언트 히스토그램 로그 기록.

SB3 트레이닝 run 예시를 확인해 보세요.

​

SB3 Experiments 로그 기록하기

from wandb.integration.sb3 import WandbCallback

model.learn(..., callback=WandbCallback())

​

WandbCallback 인수

인수	용도
verbose	sb3 출력의 상세 수준
model_save_path	모델이 저장될 폴더 경로. 기본값은 `None`이며 모델이 로그에 기록되지 않음
model_save_freq	모델 저장 주기
gradient_save_freq	그레이디언트 로그 기록 주기. 기본값은 0이며 그레이디언트가 로그에 기록되지 않음

​

기본 예제

W&B SB3 인테그레이션은 TensorBoard의 로그 출력을 사용하여 메트릭을 로그로 기록합니다.

import gym
from stable_baselines3 import PPO
from stable_baselines3.common.monitor import Monitor
from stable_baselines3.common.vec_env import DummyVecEnv, VecVideoRecorder
import wandb
from wandb.integration.sb3 import WandbCallback


config = {
    "policy_type": "MlpPolicy",
    "total_timesteps": 25000,
    "env_name": "CartPole-v1",
}
run = wandb.init(
    project="sb3",
    config=config,
    sync_tensorboard=True,  # sb3의 tensorboard 메트릭 자동 업로드
    monitor_gym=True,  # 게임을 플레이하는 에이전트의 비디오 자동 업로드
    save_code=True,  # 선택 사항
)


def make_env():
    env = gym.make(config["env_name"])
    env = Monitor(env)  # 리턴과 같은 통계 기록
    return env


env = DummyVecEnv([make_env])
env = VecVideoRecorder(
    env,
    f"videos/{run.id}",
    record_video_trigger=lambda x: x % 2000 == 0,
    video_length=200,
)
model = PPO(config["policy_type"], env, verbose=1, tensorboard_log=f"runs/{run.id}")
model.learn(
    total_timesteps=config["total_timesteps"],
    callback=WandbCallback(
        gradient_save_freq=100,
        model_save_path=f"models/{run.id}",
        verbose=2,
    ),
)
run.finish()