MAML-RL Pytorch 代码解读 (14) -- maml_rl/baseline.py

MAML-RL Pytorch 代码解读 (14) – maml_rl/baseline.py

基本介绍

在网上看到的元学习 MAML 的代码大多是跟图像相关的，强化学习这边的代码比较少。

因为自己的思路跟 MAML-RL 相关，所以打算读一些源码。

MAML 的原始代码是基于 tensorflow 的，在 Github 上找到了基于 Pytorch 源码包，学习这个包。

源码链接

https://github.com/dragen1860/MAML-Pytorch-RL

文件路径

./maml_rl/baseline.py

import 包

import torch
import torch.nn as nn

LinearFeatureBaseline() 类

class LinearFeatureBaseline(nn.Module):
    
    #### 这个类描述的是采用人类手工提取特征方法的baseline
	"""
	Linear baseline based on handcrafted features, as described in [1]
	(Supplementary Material 2).

	[1] Yan Duan, Xi Chen, Rein Houthooft, John Schulman, Pieter Abbeel,
		"Benchmarking Deep Reinforcement Learning for Continuous Control", 2016
		(https://arxiv.org/abs/1604.06778)
	"""

    #### 声明继承了nn.Module()类，赋值输入信息的大小、_reg_coeff（含义目前未知），一个线性网络（输入大小是特征大小，输出是1维度，说明这本质是一个向量），对这个向量赋值全0的初始化。
	def __init__(self, input_size, reg_coeff=1e-5):
		super(LinearFeatureBaseline, self).__init__()
		self.input_size = input_size
		self._reg_coeff = reg_coeff
		self.linear = nn.Linear(self.feature_size, 1, bias=False)
		self.linear.weight.data.zero_()

    #### 定义了一个特征大小的函数，输出的特征是两倍的输入特征加上4。
	@property
	def feature_size(self):
		return 2 * self.input_size + 4

    #### 做人工的特征处理。得到的是观测、观测的平方、三个与al变量相关的特征还有一个ones变量。
	def _feature(self, episodes):
		ones = episodes.mask.unsqueeze(2)
		observations = episodes.observations * ones
		cum_sum = torch.cumsum(ones, dim=0) * ones
		al = cum_sum / 100.0

		return torch.cat([observations, observations ** 2,
		                  al, al ** 2, al ** 3, ones], dim=2)

	def fit(self, episodes):
        
        #### 将一批数据里面的所有episode内容，整合成 “序列长度 x 特征大小” 这样的格式。“特征大小”实际上就是上一个函数的观测、观测的平方、三个与al变量相关的特征还有一个ones变量。具体意义暂时不明确。
		# sequence_length * batch_size x feature_size
		featmat = self._feature(episodes).view(-1, self.feature_size)
        
        #### 将奖励转化成一维度的列向量。
		# sequence_length * batch_size x 1
		returns = episodes.returns.view(-1, 1)

        #### 赋值reg_coeff然后再设置一个单位矩阵eye。
		reg_coeff = self._reg_coeff
		eye = torch.eye(self.feature_size, dtype=torch.float32,
		                device=self.linear.weight.device)
        
        #### PyTorch中的函数torch.lstsq()实现了最小二乘法。这个函数有两个参数，分别对应了MSE里的张量Y和X。这个函数有两个返回值，前一个返回值包括了所有的权重值，后一个返回值是QR分解的结果。torch.matmul作用是两个张量的矩阵乘积。这里使用torch.lstsq()方法主要是用最小二乘法获得一个网络的权重。那么这个二乘法的Y变量是“ 特征变量的转置 × 回报序列 ”，X变量是“ 特征变量的转置 × 特征变量 + 基于参数的对角阵 ”。获得的是这个“ 网络 ”的系数。
		for _ in range(5):
            
            #### 采用try结果是将报错（算不出来）的时候 reg_coeff 在原本基础上增加 10 以实现继续迭代
			try:
				coeffs, _ = torch.lstsq(
					torch.matmul(featmat.t(), returns),
					torch.matmul(featmat.t(), featmat) + reg_coeff * eye
				)
				break
			except RuntimeError:
				reg_coeff += 10
                
        #### 否则就报错。
		else:
			raise RuntimeError('Unable to solve the normal equations in '
			                   '`LinearFeatureBaseline`. The matrix X^T*X (with X the design '
			                   'matrix) is not full-rank, regardless of the regularization '
			                   '(maximum regularization: {0}).'.format(reg_coeff))
        
        #### 最后将二乘法的转置赋值给线性网络的变量
		self.linear.weight.data = coeffs.data.t()

    #### 类似与神经网络一样的前馈函数。
	def forward(self, episodes):
		features = self._feature(episodes)
		return self.linear(features)