Life——一个简洁易用的强化学习库，基于pytorch

简介

Life是一个基于pytorch实现的强化学习库，实现了多种强化学习算法。
项目地址：https://github.com/HanggeAi/Life

目前包含的强化学习算法

• Sarsa
• multi-Sarsa
• Q-Learning
• Dyna-Q
• DQN
• Double-DQN
• Dueling-DQN
• REINFORCE策略梯度
• Actor-Critic
• PPO
• DDPG
• SAC
• BC
• GAIL
• CQL

主要特征

• 基于目前主流的深度学习框架pytorch，支持gpu加速。
• 覆盖面广，从传统的QLearning，到一些最新的强化学习算法都有实现。
• 封装程度低，支持自定义结构的深度神经网络。
• 简洁易用，仅需寥寥几行代码，即可实现强化学习算法的构建与训练。

结构

图解Life的结构

Life将强化学习算法分为以下几类：

1. 传统的强化学习算法，如Sarsa;
2. 只基于值函数的深度强化学习算法，如DQN;
3. 基于策略函数和值函数的深度强化学习算法，如AC;
4. 模仿强化学习算法，如BC;
5. 离线强化学习算法，如CQL。

对于每一类强化学习算法，都配有一个训练器

训练器的名称和算法的名称是一一对应的，如要训练DQN，则其训练函数的名称为：
train_dqn

以DQN为例，其结构如下

其中：

• dqn.py中为传统DQN算法
• dqn_improved.py中为一些改进的DQN算法
• trainer中包含了以上各种dqn算法的训练函数

Get Started

要使用Life进行强化学习，仅需简单的三步，下面以DQN在CartPole环境上的训练为例进行快速入门：

第一步，导入相关的模块

from life.dqn.dqn import DQN  # 导入模型
from life.dqn.trainer import train_dqn  # 导入训练器
from life.envs.dis_env_demo import make  # 环境的一个例子
from life.utils.replay.replay_buffer import ReplayBuffer  # 回放池
import torch
import matplotlib.pyplot as plt

第二步，设置超参数，并构建模型

# 设置超参数
lr = 2e-3
num_episodes = 500
hidden_dim = 128
gamma = 0.98
epsilon = 0.01
target_update = 10
buffer_size = 10000
minimal_size = 500
batch_size = 64
device = torch.device("cpu")  # 也可指定为gpu : torch.device("cuda")

env=make()  # 建立环境，这里为 CartPole-v0
replay_buffer = ReplayBuffer(buffer_size)  # 回放池
state_dim = env.observation_space.shape[0]
action_dim = env.action_space.n

# 建立模型
agent = DQN(state_dim, hidden_dim, action_dim, lr, gamma, epsilon,
            target_update, device)  # DQN模型

注意，如果你足够细心，你会发现在上述建立DQN的过程中，我们没有传入一个Neural Network，这是因为在建立深度强化学习时，Life提供了一个默认的双层神经网络作为建立DQN的默认神经网络。当然，你也可以使用自己设计的神经网络结构：

class YourNet:
	"""your network for your task"""
	pass


agent = DQN(state_dim, hidden_dim, action_dim, lr, gamma, epsilon,
            target_update, device, q_net=YourNet)  # DQN模型

第三步，使用训练器训练模型

result=train_dqn(agent,env,replay_buffer,minimal_size,batch_size,num_episodes)

上述训练函数返回的是：训练过程中每个回合的汇报，如果你想的话，可以将其可视化出来：

episodes_list = list(range(len(result)))
plt.figure(figsize=(8,6))
plt.plot(episodes_list, result)
plt.xlabel("Episodes")
plt.ylabel("Returns")
plt.title("DQN on {}".format("Cart Pole v1"))
plt.show()

得到：

当然，如果你需要智能体的话，也可以设置return_agent=True,这会返回一个元组(return_list, agent)

其中，return_list为：训练过程中每个回合的汇报，agent为训练好的智能体。
return_agent默认为False
可见，除了超参数的设置之外，我们构建DQN算法只使用了两行代码：

from life.dqn.dqn import DQN
agent = DQN(state_dim, hidden_dim, action_dim, lr, gamma, epsilon,target_update, device)

我们训练DQN同样只使用了两行代码：

from life.dqn.trainer import train_dqn
result=train_dqn(agent,env,replay_buffer,minimal_size,batch_size,num_episodes)

这让我们的强化学习实现的相当简洁和方便！

上述的例子在项目的examples中

关于名称与LOGO

• Life的中文含义为：生命，生活，强化学习本来就是人生的一个过程，我们无时无刻不在进行着强化学习。强化学习不仅是一种科学的决策方法，各种算法的思想也给予我们很多人生的哲理，使人受益匪浅。
• LOGO 底色采用深蓝色，图案和文字采用浅蓝白色，整体端庄严谨，富有科技感。文字部分由项目名称LIFE字样和寄语：RL IS THE PROCESS OF LIFE 即可以理解为强化学习是人生的过程，也可以理解为强化学习是Life库的程序，一语双关。
• LOGO图案部分为4个伸长了的F，同时将F上面一个笔画伸长，使其左旋90°时形成L字样，为LIFE的简写LF; 同时致敬OpenAI的LOGO.