Question

我有几种强化学习算法的实现。所有实现都使用 tensorflow 2，以及使用 tf.GradientTape 包裹在 tf.function 中的自定义训练循环。每个代理都有一组 5-10 个超参数 + 优化器超参数（学习率、epsilon、beta1、beta2 等）。因此，可以说平均而言，我一次至少要调整 9 个超参数。下面是一个使用 A2C 代理类的示例：

hparams = {
    'learning_rate': 3e-4,
    'epsilon': 1e-5,
    'beta_1': 0.9,
    'beta_2': 0.99,
    'entropy_coefficient': 0.01,
    'value_loss_coefficient': 0.5,
    'clip_norm': 0.5,
    'n_steps': 5,
}
agent = A2C(**hparams)

典型的训练步骤方法如下：

@tf.function
def train_step(self):
    batch = states, actions, rewards, dones = self.get_batch()
    with tf.GradientTape() as tape:
        model_outputs = self.model(states)
        loss = self.calculate_loss(batch, model_outputs)
    self.model.optimizer.minimize(loss, self.model.trainable_variables, tape=tape)

我检查了 HParams api、keras tuner，它们仅在我使用函数式 api 进行训练时才兼容 tf.keras.Model.fit()，而此处并非如此。通过检查 tensorflow 文档，我没有找到任何有用的信息。

问题是

哪些调整 api 可以与内部的自定义 tensorflow 循环一起使用 tf.function 没有典型的不兼容错误 failed to convert object <incompatible tuner object> to tensor ...?
如果有，在示例中使用它的最小演示是什么我提供了，每个给定 10 个实验值？

强化学习的超参数调整

0 个答案: