Ray Tune相关API介绍

1. 注册可训练的函数或类

ray.tune.register_trainable(name, trainable)

参数：

• name (str) - 注册的方法或函数名。

• trainable (obj) - 函数或tune.Trainable类。函数必须采用(config, status_reporter)作为参数，并且在注册的过程中自动转换为类。

 

2. 构造experiment对象

ray.tune.Experiment(name, run, stop=None, config=None, trial_resources=None, repeat=1, local_dir=None, upload_dir='', checkpoint_freq=0, max_failures=3)

参数：

• name (str) – 名字。

• run (str) – 要训练的算法或模型。 这可以指内置算法的名称（例如RLLib的DQN或PPO），或者在tune注册表中注册的用户定义的可训练函数或类。

• stop (dict) - 停止标准。 值可以是TrainingResult中的任何字段，以先到达者为准。 默认为空字典。

• config (dict) – 特定于算法的配置（例如env，hyperparams）。 默认为空字典。

• trial_resources (dict) – 每次试验分配的机器资源，例如： {"cpu"：64，"gpu"：8}。 请注意，除非您在此处指定GPU，否则不会分配GPU。 默认为1个CPU和0个GPU。

• repeat (int) – 重复每次试验的次数。 默认为1。

• local_dir (str) – 将训练结果保存到的本地目录。 默认为〜/ ray_results。

• upload_dir (str) – 同步训练结果的可选URI地址（例如s3：// bucket）。

• checkpoint_freq (int) – 设置检查点间的训练迭代次数。 值0（默认值）禁用设置检查点。

• max_failures (int) – 设置尝试从最后一个检查点恢复试验的最多次数。 仅在启用了检查点时适用。 默认为3。

 

3. 运行实验程序</