5月安卓手機好評榜：魅族20 Pro奪冠
性能榜和性價比榜之后，我們來看最后的安卓手機好評榜，數據來源安兔兔評測，收集時間2023年5月1日至5月31日，僅限國內市場。第一名：魅族20 Pro好評率：97.50%不得不感慨魅族老品牌還
安裝環境
gym是用于開發和比較強化學習算法的工具包，在python中安裝gym庫和其中子場景都較為簡便。
安裝gym：
pip install gym
安裝自動駕駛模塊，這里使用 Edouard Leurent 發布在 github 上的包 highway-env：
pip install --user git+https://github.com/eleurent/highway-env
其中包含6個場景：
高速公路——“highway-v0” 匯入——“merge-v0” 環島——“roundabout-v0” 泊車——“parking-v0” 十字路口——“intersection-v0” 賽車道——“racetrack-v0”
詳細文檔可以參考這里：
https://highway-env.readthedocs.io/en/latest/
配置環境
安裝好后即可在代碼中進行實驗（以高速公路場景為例）：
import gym
import highway_env
%matplotlib inline
env = gym.make('highway-v0')
env.reset()
for _ in range(3):
action = env.action_type.actions_indexes["IDLE"]
obs, reward, done, info = env.step(action)
env.render()
運行后會在模擬器中生成如下場景：
env類有很多參數可以配置，具體可以參考原文檔。
訓練模型 1、數據處理
(1)state
highway-env包中沒有定義傳感器，車輛所有的state (observations) 都從底層代碼讀取，節省了許多前期的工作量。根據文檔介紹，state (ovservations) 有三種輸出方式：Kinematics，Grayscale Image和Occupancy grid。
Kinematics
輸出V*F的矩陣，V代表需要觀測的車輛數量（包括ego vehicle本身），F代表需要統計的特征數量。例：
數據生成時會默認歸一化，取值范圍：[100, 100, 20, 20]，也可以設置ego vehicle以外的車輛屬性是地圖的絕對坐標還是對ego vehicle的相對坐標。
在定義環境時需要對特征的參數進行設定：
config =
{
"observation":
{
"type": "Kinematics",
#選取5輛車進行觀察（包括ego vehicle）
"vehicles_count": 5,
#共7個特征
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],
"features_range":
{
"x": [-100, 100],
"y": [-100, 100],
"vx": [-20, 20],
"vy": [-20, 20]
},
"absolute": False,
"order": "sorted"
},
"simulation_frequency": 8, # [Hz]
"policy_frequency": 2, # [Hz]
}
Grayscale Image
生成一張W*H的灰度圖像，W代表圖像寬度，H代表圖像高度
Occupancy grid
生成一個WHF的三維矩陣，用W*H的表格表示ego vehicle周圍的車輛情況，每個格子包含F個特征。
(2) action
highway-env包中的action分為連續和離散兩種。連續型action可以直接定義throttle和steering angle的值，離散型包含5個meta actions：
ACTIONS_ALL = {
0: 'LANE_LEFT',
1: 'IDLE',
2: 'LANE_RIGHT',
3: 'FASTER',
4: 'SLOWER'
}
(3) reward
highway-env包中除了泊車場景外都采用同一個reward function：
這個function只能在其源碼中更改，在外層只能調整權重。
（泊車場景的reward function原文檔里有）
2、搭建模型
DQN網絡，我采用第一種state表示方式——Kinematics進行示范。由于state數據量較小（5輛車*7個特征），可以不考慮使用CNN，直接把二維數據的size[5,7]轉成[1,35]即可，模型的輸入就是35，輸出是離散action數量，共5個。
import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.nn.functional as F
import torch.optim as optim
import torchvision.transforms as T
from torch import FloatTensor, LongTensor, ByteTensor
from collections import namedtuple
import random
Tensor = FloatTensor
EPSILON = 0 # epsilon used for epsilon greedy approach
GAMMA = 0.9
TARGET_NETWORK_REPLACE_FREQ = 40 # How frequently target netowrk updates
MEMORY_CAPACITY = 100
BATCH_SIZE = 80
LR = 0.01 # learning rate
class DQNNet(nn.Module):
def __init__(self):
super(DQNNet,self).__init__()
self.linear1 = nn.Linear(35,35)
self.linear2 = nn.Linear(35,5)
def forward(self,s):
s=torch.FloatTensor(s)
s = s.view(s.size(0),1,35)
s = self.linear1(s)
s = self.linear2(s)
return s
class DQN(object):
def __init__(self):
self,self.target_net = DQNNet(),DQNNet()
self.learn_step_counter = 0
self.memory = []
self.position = 0
self.capacity = MEMORY_CAPACITY
self.optimizer = torch.optim.Adam(self.parameters(), lr=LR)
self.loss_func = nn.MSELoss()
def choose_action(self,s,e):
x=np.expand_dims(s, axis=0)
if np.random.uniform() < 1-e:
actions_value = self.forward(x)
action = torch.max(actions_value,-1)[1].data.numpy()
action = action.max()
else:
action = np.random.randint(0, 5)
return action
def push_memory(self, s, a, r, s_):
if len(self.memory) < self.capacity:
self.memory.append(None)
self.memory[self.position] = Transition(torch.unsqueeze(torch.FloatTensor(s), 0),torch.unsqueeze(torch.FloatTensor(s_), 0),
torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype='float32')))#
self.position = (self.position + 1) % self.capacity
def get_sample(self,batch_size):
sample = random.sample(self.memory,batch_size)
return sample
def learn(self):
if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ == 0:
self.target_net.load_state_dict(self.state_dict())
self.learn_step_counter += 1
transitions = self.get_sample(BATCH_SIZE)
batch = Transition(*zip(*transitions))
b_s = Variable(torch.cat(batch.state))
b_s_ = Variable(torch.cat(batch.next_state))
b_a = Variable(torch.cat(batch.action))
b_r = Variable(torch.cat(batch.reward))
q_eval = self.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64))
q_next = self.target_net.forward(b_s_).detach() #
q_target = b_r + GAMMA * q_next.squeeze(1).max(1)[0].view(BATCH_SIZE, 1).t()
loss = self.loss_func(q_eval, q_target.t())
self.optimizer.zero_grad() # reset the gradient to zero
loss.backward()
self.optimizer.step() # execute back propagation for one step
return loss
Transition = namedtuple('Transition',('state', 'next_state','action', 'reward'))
3、運行結果
各個部分都完成之后就可以組合在一起訓練模型了，流程和用CARLA差不多，就不細說了。
初始化環境（DQN的類加進去就行了）：
import gym
import highway_env
from matplotlib import pyplot as plt
import numpy as np
import time
config =
{
"observation":
{
"type": "Kinematics",
"vehicles_count": 5,
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],
"features_range":
{
"x": [-100, 100],
"y": [-100, 100],
"vx": [-20, 20],
"vy": [-20, 20]
},
"absolute": False,
"order": "sorted"
},
"simulation_frequency": 8, # [Hz]
"policy_frequency": 2, # [Hz]
}
env = gym.make("highway-v0")
env.configure(config)
訓練模型：
dqn=DQN()
count=0
reward=[]
avg_reward=0
all_reward=[]
time_=[]
all_time=[]
collision_his=[]
all_collision=[]
while True:
done = False
start_time=time.time()
s = env.reset()
while not done:
e = np.exp(-count/300) #隨機選擇action的概率，隨著訓練次數增多逐漸降低
a = dqn.choose_action(s,e)
s_, r, done, info = env.step(a)
env.render()
dqn.push_memory(s, a, r, s_)
if ((dqn.position !=0)&(dqn.position % 99==0)):
loss_=dqn.learn()
count+=1
print('trained times:',count)
if (count%40==0):
avg_reward=np.mean(reward)
avg_time=np.mean(time_)
collision_rate=np.mean(collision_his)
all_reward.append(avg_reward)
all_time.append(avg_time)
all_collision.append(collision_rate)
plt.plot(all_reward)
plt.show()
plt.plot(all_time)
plt.show()
plt.plot(all_collision)
plt.show()
reward=[]
time_=[]
collision_his=[]
s = s_
reward.append(r)
end_time=time.time()
episode_time=end_time-start_time
time_.append(episode_time)
is_collision=1 if info['crashed']==True else 0
collision_his.append(is_collision)
我在代碼中添加了一些畫圖的函數，在運行過程中就可以掌握一些關鍵的指標，每訓練40次統計一次平均值。
平均碰撞發生率：
epoch平均時長(s)：
平均reward：
可以看出平均碰撞發生率會隨訓練次數增多逐漸降低，每個epoch持續的時間會逐漸延長（如果發生碰撞epoch會立刻結束）
總結
相比于模擬器CARLA，highway-env環境包明顯更加抽象化，用類似游戲的表示方式，使得算法可以在一個理想的虛擬環境中得到訓練，而不用考慮數據獲取方式、傳感器精度、運算時長等現實問題。對于端到端的算法設計和測試非常友好，但從自動控制的角度來看，可以入手的方面較少，研究起來不太靈活。
本文鏈接：http://m.www897cc.com/showinfo-119-2267-0.htmlAI實戰，用Python玩個自動駕駛！
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號