deeprl_signal_control 项目使用教程
2024-09-28 05:24:20作者:管翌锬
deeprl_signal_control
multi-agent deep reinforcement learning for large-scale traffic signal control.
1. 项目目录结构及介绍
deeprl_signal_control/
├── agents/
│ ├── __init__.py
│ └── ...
├── config/
│ ├── __init__.py
│ └── ...
├── envs/
│ ├── __init__.py
│ └── ...
├── figs/
│ └── ...
├── large_grid/
│ └── ...
├── real_net/
│ └── ...
├── real_net_experimental_data/
│ └── ...
├── small_grid/
│ └── ...
├── LICENSE
├── README.md
├── __init__.py
├── extract_tensorboard.py
├── main.py
├── result_plot.ipynb
├── setup_eval.py
├── setup_mac.sh
├── setup_ubuntu.sh
└── utils.py
目录结构介绍
- agents/: 包含多智能体深度强化学习算法的实现代码。
- config/: 包含项目的配置文件,用于定义超参数和环境配置。
- envs/: 包含环境相关的代码,用于模拟交通信号控制环境。
- figs/: 包含项目生成的图表文件。
- large_grid/: 包含大规模交通网格环境的模拟数据和配置。
- real_net/: 包含真实网络环境的模拟数据和配置。
- real_net_experimental_data/: 包含真实网络环境的实验数据。
- small_grid/: 包含小规模交通网格环境的模拟数据和配置。
- LICENSE: 项目的开源许可证文件。
- README.md: 项目的介绍和使用说明。
- init.py: Python包初始化文件。
- extract_tensorboard.py: 用于提取TensorBoard日志的脚本。
- main.py: 项目的启动文件,用于训练和评估智能体。
- result_plot.ipynb: Jupyter Notebook文件,用于结果的可视化。
- setup_eval.py: 用于设置评估环境的脚本。
- setup_mac.sh: 用于在Mac系统上安装依赖的脚本。
- setup_ubuntu.sh: 用于在Ubuntu系统上安装依赖的脚本。
- utils.py: 包含项目中使用的各种工具函数。
2. 项目的启动文件介绍
main.py
main.py
是项目的启动文件,用于训练和评估智能体。以下是该文件的主要功能:
- 训练智能体: 通过调用
main.py
文件,可以启动智能体的训练过程。训练过程中会使用配置文件中定义的超参数和环境配置。 - 评估智能体: 训练完成后,可以通过
main.py
文件对训练好的智能体进行评估,评估结果会输出到指定的目录。 - 可视化: 可以通过
main.py
文件启动可视化功能,查看智能体在环境中的行为。
使用示例
# 训练智能体
python3 main.py --base-dir [base_dir]/[agent] train --config-dir [config_dir] --test-mode no_test
# 评估智能体
python3 main.py --base-dir [base_dir] evaluate --agents [agents] --evaluation-seeds [seeds]
# 可视化智能体行为
python3 main.py --base-dir [base_dir] evaluate --agents [agent] --evaluation-seeds [seed] --demo
3. 项目的配置文件介绍
config/
目录
config/
目录下包含项目的配置文件,用于定义训练和评估过程中的超参数和环境配置。配置文件通常以 .yaml
或 .json
格式存储。
配置文件示例
# config/example_config.yaml
# 训练参数
train:
epochs: 100
batch_size: 32
learning_rate: 0.001
# 环境参数
environment:
grid_size: 5x5
traffic_flow: 100
signal_duration: 60
# 智能体参数
agent:
type: ia2c
hidden_layers: [64, 64]
activation: relu
配置文件的使用
在启动训练或评估时,可以通过 --config-dir
参数指定配置文件的路径。例如:
python3 main.py --base-dir [base_dir]/[agent] train --config-dir config/example_config.yaml
通过配置文件,可以灵活地调整训练和评估过程中的各种参数,以适应不同的环境和需求。
deeprl_signal_control
multi-agent deep reinforcement learning for large-scale traffic signal control.
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
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
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
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
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K