DI-engine 开源项目教程

项目介绍

DI-engine 是一个通用的决策智能引擎，支持 PyTorch 和 JAX。它提供了以 Python 为中心和异步原生的任务和中间件抽象，并模块化地集成了几种最重要的决策概念：环境（Env）、策略（Policy）和基于模型的方法（Model）。DI-engine 支持多种深度强化学习算法，具有优越的性能、高效率、良好的文档和单元测试。

项目快速启动

安装

首先，克隆项目仓库并安装依赖：

git clone https://gitcode.com/opendilab/DI-engine.git
cd DI-engine
pip install -r requirements.txt

快速开始

以下是一个简单的示例，展示如何使用 DI-engine 进行强化学习训练：

import diengine as di
from diengine.policy import PPOPolicy
from diengine.env import GymEnv

# 创建环境
env = GymEnv('CartPole-v1')

# 创建策略
policy = PPOPolicy(env)

# 开始训练
trainer = di.Trainer(policy, env)
trainer.train(num_epochs=100)

应用案例和最佳实践

应用案例

1. DI-star: 在星际争霸II中应用决策AI。
2. DI-drive: 自动驾驶平台。
3. DI-sheep: 在3 Tiles游戏中应用深度强化学习。

最佳实践

• 多代理环境: 使用 GoBigger 进行多代理决策智能训练。
• 交通信号控制: 使用 DI-smartcross 进行交通信号控制优化。

典型生态项目

1. DI-treetensor: 树嵌套的 PyTorch 张量库。
2. DI-toolkit: 决策智能的简单工具包。
3. DI-orchestrator: 强化学习 Kubernetes 自定义资源和操作库。
4. DI-hpc: 强化学习高性能计算操作库。
5. DI-store: 强化学习对象存储。