用于在TensorFlow中构建并行强化学习算法的高效基础架构范例TensorFlow Agents日前开源，这个项目是由谷歌的两位研究员James Davidson、Vincent Vanhoucke，以及Danijar Hafner共同研发的。关于这个项目的开源信息他们在GitHub上进行了介绍，雷锋网 AI 科技评论将内容进行编译整理。
TensorFlow Agents
TensorFlow Agents为强化学习提供了优化的基础架构，它将OpenAI gym接口扩展到多个并行环境，并能在TensorFlow中训练智能体，进行批量计算。在这个项目中，我们提供BatchPPO，这是针对近端策略优化（Proximal Policy Optimization，PPO）的一个实现。
如果你在研究中使用了我们这个项目的代码，请引用我们之前发布的关于TensorFlow Agents的论文TensorFlow Agents: Efficient Batched Reinforcement Learning in TensorFlow，论文地址：https://drive.google.com/file/d/0B20Yn-GSaVHGMVlPanRTRlNIRlk/view
@misc{hafner2017agents,
title={TensorFlow Agents: Efficient Batched Reinforcement Learning in TensorFlow},
author={Hafner, Danijar and Davidson, James and Vanhoucke, Vincent},
year={2017}
}
工具：Python 2/3, TensorFlow 1.3+, Gym, rumamel.yaml
说明
先执行如下代码复制数据库并运行PPO算法。
python3 -m agents.scripts.train --logdir=/path/to/logdir --config=pendulum
这里用的算法已经在配置中定义好了，其中pendulum利用了已有的PPO实现。可以在agents/scripts/configs.py中查看更多的预定义配置。
如果想要重新开始运行之前的任务，可以在最后的指令中增加--timestamp=<time>标志，并提供你运行的目录名中的时间戳。
为了将度量可视化，需要从另一个终端启动TensorBoard，然后将浏览器指向http://localhost:2222:
tensorboard --logdir=/path/to/logdir --port=2222
如果要渲染视频，收集OpenAI Gym的统计数据上传至记分板，请输入以下代码:
python3 -m agents.scripts.visualize --logdir=/path/to/logdir/<time>-<config> --outdir=/path/to/outdir/
修正
这个项目的发布能让新的强化学习思想更容易实现。当修正代码之后，你可以从如下几个文件开始执行任务。
-
scripts/configs.py（指定任务和算法的实验配置）
-
scripts/networks.py（被定义为TensorFlow RNNCell的神经网络模型）
-
scripts/train.py（包含训练设置的可执行文件）
-
ppo/algorithm.py（PPO算法的TensorFlow图）
如果要运行所有的单元测试，请输入如下代码：
python3 -m unittest discover -p "*_test.py"
如果有更多问题，可以在 Github上提问。
执行
这次的发布还包括OpenAI Gym环境下的一个批处理接口，它能与TensorFlow无缝集成，实现高效的算法。这是通过如下核心组件实现的:
-
agents.tools.wrappers.ExternalProcess
agents.tools.wrappers.ExternalProcess是构造外部进程里的OpenAI Gym 环境的包装（wrapper），它可以调用step()、reset()以及属性访问，转发到进程中，然后等待结果，可以并行运行多个环境而不受Python全局解释器锁（global interpreter lock）的限制。
-
agents.tools.BatchEnv
agents.tools.BatchEnv能将OpenAI Gym接口扩展至多个环境中，它可以联合多个OpenAI Gym环境，用step()接受批量的动作，返回观察值、奖励、完成的标记和info对象。如果有多个独立的环境在外部进程中，它们将能被并行处理。
-
agents.tools.InGraphBatchEnv
agents.tools.InGraphBatchEnv将batch环境集成到TensorFlow图中，保证step()和reset()函数都可以被调用。观察值、最后的动作、奖励和完成的标记中的batch都存储在变量中，并作为可用的张量。
-
agents.tools.simulate()
agents.tools.simulate()将in-graph batch环境和强化学习算法融合成一步，可以在训练循环中调用，这减少了调用会话的数量，并提供了一种简单的方法来训练接下来的算法。
如果要理解这些代码，需要对TensorFlow的控制流运算（尤其是tf.cond(),tf.scan()和tf.control_dependencies()）非常熟悉。