Stable Baselines3中MultiInputPolicy模型的ONNX导出实践指南
2025-05-22 12:16:48作者:范垣楠Rhoda
背景介绍
在强化学习模型部署过程中,将训练好的策略网络导出为ONNX格式是一个常见需求。本文针对Stable Baselines3框架中基于字典观测空间(Dict observation space)的MultiInputActorCriticPolicy模型,详细讲解其ONNX导出方法。
核心挑战
当使用字典类型的观测空间时,传统的ONNX导出方式会遇到几个关键问题:
- PyTorch原生
torch.onnx.export
对字典输入支持有限 - 观测数据需要正确处理batch维度
- ONNX运行时输入名称需要与导出模型匹配
解决方案演进
初始尝试方案
早期尝试直接封装策略网络会出现类型不匹配错误:
# 典型错误示例
th.onnx.export(policy, obs_dict, "model.onnx") # 会报"Expected dict, got torch.Tensor"
动态导出方案
使用PyTorch的dynamo_export
方法可以部分解决问题:
onnx_program = th.onnx.dynamo_export(onnx_policy, obs_tensor)
但会产生版本兼容性警告,且该方法已被标记为即将弃用。
最终稳定方案
最新PyTorch版本推荐使用带dynamo
参数的导出方式:
model_input = {"observation": obs_tensor}
th.onnx.export(
onnx_policy,
args=(model_input,),
f="model.onnx",
dynamo=True
)
完整实现步骤
- 环境准备
class CustomEnv(gym.Env):
def __init__(self):
self.observation_space = gym.spaces.Dict({
"sensor1": gym.spaces.Box(-1,1,(3,)),
"sensor2": gym.spaces.Box(-1,1,(6,))
})
self.action_space = gym.spaces.Discrete(2)
- 模型封装
class OnnxablePolicy(th.nn.Module):
def __init__(self, policy):
super().__init__()
self.policy = policy
def forward(self, observation):
return self.policy(observation, deterministic=True)
- 数据预处理
# 单环境情况需要添加batch维度
obs = {k: v.reshape(1, -1) for k, v in obs.items()}
# 矢量化环境自动包含batch维度
- ONNX运行时对接
ort_session = ort.InferenceSession("model.onnx")
input_names = [input.name for input in ort_session.get_inputs()]
onnx_inputs = {name: obs[name.split('_')[-1]] for name in input_names}
outputs = ort_session.run(None, onnx_inputs)
关键技术点
- 维度处理:确保所有观测数据统一batch维度
- 输入输出映射:ONNX模型的输入名称会自动转换为
observation_keyname
格式 - 版本兼容性:推荐使用PyTorch 2.6+和ONNX Runtime 1.20+
实际应用建议
- 生产环境部署前务必验证ONNX模型与原模型输出的一致性
- 对于连续动作空间,可能需要额外处理动作缩放
- 考虑将后处理步骤(如采样)移至ONNX模型外部
总结
本文详细介绍了在Stable Baselines3中导出复杂观测空间策略网络到ONNX格式的完整流程。通过合理的封装和最新的PyTorch导出API,开发者可以成功将MultiInputPolicy部署到各种推理环境中。需要注意的是,随着PyTorch版本的更新,最佳实践可能相应变化,建议保持对官方文档的关注。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~051CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
867
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
265
305

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3