KUKA Reach-DRL 开源项目使用教程
1. 项目的目录结构及介绍
kuka-reach-drl/
├── README.md
├── requirements.txt
├── setup.py
├── train_with_mlp.py
├── train_with_cnn.py
├── train_with_lstm.py
├── config/
│ ├── mlp_config.yaml
│ ├── cnn_config.yaml
│ └── lstm_config.yaml
├── models/
│ ├── mlp_model.py
│ ├── cnn_model.py
│ └── lstm_model.py
├── envs/
│ ├── kuka_env.py
│ └── utils.py
└── logs/
├── training_logs/
└── evaluation_logs/
目录结构说明
README.md
: 项目说明文档。requirements.txt
: 项目依赖文件。setup.py
: 项目安装脚本。train_with_mlp.py
,train_with_cnn.py
,train_with_lstm.py
: 分别是使用MLP、CNN和LSTM模型的训练脚本。config/
: 配置文件目录,包含不同模型的配置文件。models/
: 模型定义目录,包含MLP、CNN和LSTM模型的定义文件。envs/
: 环境定义目录,包含KUKA机器臂的环境定义和工具函数。logs/
: 日志目录,包含训练和评估的日志文件。
2. 项目的启动文件介绍
train_with_mlp.py
该文件用于启动使用MLP模型的训练过程。可以通过以下命令运行:
python train_with_mlp.py --is_render --is_good_view --cpu 5 --epochs 100
train_with_cnn.py
该文件用于启动使用CNN模型的训练过程。可以通过以下命令运行:
python train_with_cnn.py --is_render --is_good_view --cpu 5 --epochs 500
train_with_lstm.py
该文件用于启动使用LSTM模型的训练过程。可以通过以下命令运行:
python train_with_lstm.py --is_render --is_good_view --cpu 5 --epochs 500
3. 项目的配置文件介绍
config/mlp_config.yaml
该文件包含MLP模型的配置参数,如学习率、批大小、训练轮数等。
config/cnn_config.yaml
该文件包含CNN模型的配置参数,如卷积层参数、学习率、批大小、训练轮数等。
config/lstm_config.yaml
该文件包含LSTM模型的配置参数,如LSTM层参数、学习率、批大小、训练轮数等。
通过修改这些配置文件,可以调整模型的训练参数,以适应不同的训练需求。