首页
/ Stable Baselines3中MultiInputPolicy模型的ONNX导出实践指南

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:

  1. PyTorch原生torch.onnx.export对字典输入支持有限
  2. 观测数据需要正确处理batch维度
  3. 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

  1. 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)
  1. 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)
  1. 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
  1. 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

  1. 维度处理:确保所有观测数据统一batch维度
  2. 输入输出映射:ONNX模型的输入名称会自动转换为observation_keyname格式
  3. 版本兼容性:推荐使用PyTorch 2.6+和ONNX Runtime 1.20+

实际应用建议

  1. 生产环境部署前务必验证ONNX模型与原模型输出的一致性
  2. 对于连续动作空间,可能需要额外处理动作缩放
  3. 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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
openHiTLSopenHiTLS
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
CangjieCommunityCangjieCommunity
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开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3