强化学习实验中的绘图技巧-使用seaborn绘制paper中的图片，使用seaborn绘制折线图时参数数据可以传递ndarray或者pandas,不同的源数据对应的其他参数也略有不同.
1. ndarray
先看一个小例子
代码语言：javascript复制def getdata():
basecond = [[18, 20, 19, 18, 13, 4, 1],
[20, 17, 12, 9, 3, 0, 0],
[20, 20, 20, 12, 5, 3, 0]]
cond1 = [[18, 19, 18, 19, 20, 15, 14],
[19, 20, 18, 16, 20, 15, 9],
[19, 20, 20, 20, 17, 10, 0],
[20, 20, 20, 20, 7, 9, 1]]
cond2 = [[20, 20, 20, 20, 19, 17, 4],
[20, 20, 20, 20, 20, 19, 7],
[19, 20, 20, 19, 19, 15, 2]]
cond3 = [[20, 20, 20, 20, 19, 17, 12],
[18, 20, 19, 18, 13, 4, 1],
[20, 19, 18, 17, 13, 2, 0],
[19, 18, 20, 20, 15, 6, 0]]
return basecond, cond1, cond2, cond3数据维度都为(3,7)或(4, 7)
第一个维度表示每个时间点采样不同数目的数据(可认为是每个x对应多个不同y值) 第二个维度表示不同的时间点(可认为是x轴对应的x值)
代码语言：javascript复制
data = getdata()
fig = plt.figure()
xdata = np.array([0, 1, 2, 3, 4, 5, 6])/5
linestyle = ['-', '--', ':', '-.']
color = ['r', 'g', 'b', 'k']
label = ['algo1', 'algo2', 'algo3', 'algo4']
for i in range(4):
sns.tsplot(time=xdata, data=data[i], color=color[i], linestyle=linestyle[i], condition=label[i])
sns.tsplot 用来画时间序列图
time参数表示对应的时间轴(ndarray),即x轴,data即要求绘制的数据,上述例子为(3, 7)或(4, 7),color为每条线的颜色,linestyle为每条线的样式,condition为每条线的标记.
代码语言：javascript复制plt.ylabel("Success Rate", fontsize=25)
plt.xlabel("Iteration Number", fontsize=25)
plt.title("Awesome Robot Performance", fontsize=30)
plt.show()
1.2 绘图建议
- 你的程序代码需要使用一个额外的文件记录结果,例如csv或pkl文件,而不是直接产生最终的绘图结果.这种方式下,你能运行程序代码一次,然后以不同的方式去绘制结果,记录超出您认为严格必要的内容可能是一个好主意，因为您永远不知道哪些信息对于了解发生的事情最有用.注意文件的大小,但通常最好记录以下内容:每次迭代的平均reward或loss,一些采样的轨迹,有用的辅助指标(如贝尔曼误差和梯度)
- 你需要有一个单独的脚本去加载一个或多个记录文件来绘制图像,如果你使用不同的超参数或随机种子运行算法多次,一起加载所有的数据(也许来自不同的文件)并画在一起是个好主意,使用自动生成的图例和颜色模式使分辨不同的方法变得容易.
- 深度强化学习方法,往往在不同的运行中有巨大的变化,因此使用不同的随机种子运行多次是一个好主意,在绘制多次运行的结果时,在一张图上绘制不同运行次的结果,通过使用不同粗细和颜色的线来分辨.在绘制不同的方法时,你将发现将他们总结为均值和方差图是容易的,然而分布并不总是遵循正态曲线,所以至少在初始时有明显的感觉对比不同随机种子的性能.
1.3 实验绘图流程
下面以模仿学习的基础实验为例
代码语言：javascript复制
means = []
stds = []
#使用不同的随机种子表示运行多次实验
for seed in range(SEED_NUM):
tf.set_random_seed(seed*10)
np.random.seed(seed*10)
mean = []
std = []
#构建神经网络模型
model = tf.keras.Sequential()
model.add(layers.Dense(64, activation="relu"))
model.add(layers.Dense(64, activation="relu"))
model.add(layers.Dense(act_dim, activation="tanh"))
model.compile(optimizer=tf.train.AdamOptimizer(0.0001), loss="mse", metrics=['mae'])
#迭代次数
for iter in range(ITERATION):
print("iter:", iter)
#训练模型
model.fit(train, label, batch_size=BATCH_SIZE, epochs=EPOCHS)
#测试,通过与环境交互n次而成,即n趟轨迹
roll_reward = []
for roll in range(NUM_ROLLOUTS):
s = env.reset()
done = False
reward = 0
step = 0
#以下循环表示一趟轨迹
while not done:
a = model.predict(s[np.newaxis, :])
s, r, done, _ = env.step(a)
reward = r
step = 1
if step >= max_steps:
break
#记录每一趟的总回报值
roll_reward.append(reward)
#n趟回报的平均值和方差作为这次迭代的结果记录
mean.append(np.mean(roll_reward))
std.append(np.std(roll_reward))
#记录每一次实验,矩阵的一行表示一次实验每次迭代结果
means.append(mean)
stds.append(std)
接着需要保存数据为pkl文件
代码语言：javascript复制d = {"mean": means, "std": stds}
with open(os.path.join("test_data", "behavior_cloning_" ENV_NAME ".pkl"), "wb") as f:
pickle.dump(d, f, pickle.HIGHEST_PROTOCOL)绘图的程序代码比较简单
代码语言：javascript复制file = "behavior_cloning_" ENV_NAME ".pkl"
with open(os.path.join("test_data", file), "rb") as f:
data = pickle.load(f)
x1 = data["mean"]
file = "dagger_" ENV_NAME ".pkl"
with open(os.path.join("test_data", file), "rb") as f:
data = pickle.load(f)
x2 = data["mean"]
time = range()
sns.set(style="darkgrid", font_scale=1.5)
sns.tsplot(time=time, data=x1, color="r", condition="behavior_cloning")
sns.tsplot(time=time, data=x2, color="b", condition="dagger")
plt.ylabel("Reward")
plt.xlabel("Iteration Number")
plt.title("Imitation Learning")
plt.show()
有时我们需要对曲线进行平滑
代码语言：javascript复制def smooth(data, sm=):
if sm > :
smooth_data = []
for d in data:
y = np.ones(sm)*1.0/sm
d = np.convolve(y, d, "same")
smooth_data.append(d)
return smooth_datasm表示滑动窗口大小,为2*k 1,
代码语言：javascript复制smoothed_y[t] = average(y[t-k], y[t-k ], ..., y[t k-], y[t k])
2.pandas
sns.tsplot可以使用pandas源数据作为数据输入,当使用pandas作为数据时,time,value,condition,unit选项将为pandas数据的列名.
其中time选项给出使用该列Series作为x轴数据,value选项表示使用该Series作为y轴数据,用unit来分辨这些数据是哪一次采样(每个x对应多个y),用condition选项表示这些数据来自哪一条曲线.
在openai 的spinning up中,将每次迭代的数据保存到了txt文件中,类似如下:
可以使用pd.read_table读取这个以"t"分割的文件形成pandas
代码语言：javascript复制algo = ["ddpg_" ENV, "td3_" ENV, "ppo_" ENV, "trpo_" ENV, "vpg_" ENV, "sac_" ENV]
data = []
for i in range(len(algo)):
for seed in range(SEED_NUM):
file = os.path.join(os.path.join(algo[i], algo[i] "_s" str(seed*)), "progress.txt")
pd_data = pd.read_table(file)
pd_data.insert(len(pd_data.columns), "Unit", seed)
pd_data.insert(len(pd_data.columns), "Condition", algo[i])
data.append(pd_data)
data = pd.concat(data, ignore_index=True)
sns.set(style="darkgrid", font_scale=1.5)
sns.tsplot(data=data, time="TotalEnvInteracts", value="AverageEpRet", condition="Condition", unit="Unit")
#数据大时使用科学计数法
xscale = np.max(data["TotalEnvInteracts"]) > 5e3
if xscale:
plt.ticklabel_format(style='sci', axis='x', scilimits=(, ))
plt.legend(loc='best').set_draggable(True)
plt.tight_layout(pad=0.5)
plt.show()程序参考了spinning up 的代码逻辑github.com/openai/spinn
绘制效果如下:
完整代码：https://github.com/feidieufo/homework/tree/master/hw1
