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 09:32:57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

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
1.99 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
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
942
555
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
405
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
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
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
515
45
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
345
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279