深度强化学习专栏6使用RLLib [复制链接]

ray的强大不仅在于他是分布式计算框架，更是因为有RLLib和tune的加持。tune的使用上一节我们已经讲了，这一节我们来看一下RLLib的使用。虽然后讲的rllib，但是真正训练的时候，还是tune使用的多，因为它调节超参数是很方便的，而rllib不具有自动调节超参数的能力。

在使用rllib之前，需要使用命令

pipinstallray[rllib]

安装

使用rllib训练强化学习智能体有两种方式：

1.直接使用命令行训练，在终端中输入如下命令，就会开始训练过程。

rllibtrain--run=A2C--env=CartPole-v0

这种方式适合内置的环境和算法，不需要考虑环境和算法是如何实现的，如果想要做更多修改和人性化的训练，那么需要使用第二种方式。

2.编写程序实现训练

这估计是大多数人会选择的方式，对于命令行的方式，在编写py文件的时候，就应该使用argparse来接受并解析命令，但是我觉着大多数中国人还是喜欢直接修改py源码的方式。

不同的agents是通过ray.rllib.agents导入的，这里面

（*