Ray不仅仅是一个用于多处理的库，Ray的真正力量来自于RLlib和Tune库，它们利用了强化学习的这种能力。它使你能够将训练扩展到大型分布式服务器，或者利用并行化特性来更有效地使用你自己的笔记本电脑进行训练。

我们展示了如何使用Ray和RLlib在OpenAI Gym上构建一个自定义的强化学习环境。

一个RLlib教程

一旦你用pip install ray[rllib]安装了Ray和RLlib，你就可以用命令行中的一个命令来训练你的第一个RL代理:

rllib train --run=A2C --env=CartPole-v0

这将告诉你的计算机在CartPole环境使用Advantage Actor Critic Algorithm (A2C) 算法训练。A2C和许多其他算法已经内置在库中，这意味着你不必担心自己实现这些算法的细节。

这是非常棒的，特别是如果你想使用标准的环境和算法来训练。然而，如果你想做得更多，你就得挖得更深一些。

RLlib代理

可以通过ray.rllib.agents访问的各种算法。在这里，你可以找到在PyTorch和Tensorflow中的不同实现：https://github.com/ray-project/ray/tree/master/rllib/agents。

这些都是使用算法的trainer方法访问的。例如，如果你想使用如上所示的A2C，你可以运行:

import ray
from ray.rllib import agents
ray.init()
trainer = agents.a3c.A2CTrainer(env='CartPole-v0')

如果你想尝试DQN，你可以调用:

trainer = agents.dqn.DQNTrainer(env='CartPole-v0') #深度Q网络

所有算法都遵循相同的基本结构，从小写字母algo缩写到大写字母algo缩写，然后是"Trainer"。

更改超参数就将配置信息的dict传递给config参数。一个快速了解你有什么可用的调用trainer.config以打印出可用于所选算法的选项。一些例子包括:

• fcnet_hiddens控制隐藏单元和隐藏层的数量(用一个叫model的字典传递到config，然后是一个列表，我将在下面展示一个例子)。
• vf_share_layers确定你是否拥有一个具有多个输出头的神经网络(https://www.datahubbs.com/two-headed-a2c-network-in-pytorch/)，或者独立的值和策略网络。
• num_workers设置并行化的处理器数量。
• num_gpus来设置你将使用的GPU数量。

从网络有各种回调和多代理的设置(通常位于model的字典中)

例如:为CartPole训练PPO

我想展示一个快速的例子来让你开始，并向你展示如何在一个标准的，OpenAI Gym环境下工作。

选择你的IDE

import ray
from ray.rllib import agents
ray.init() # 如果已经调用，跳过或设置为忽略
config = {'gamma': 0.9,
          'lr': 1e-2,
          'num_workers': 4,
          'train_batch_size': 1000,
          'model': {
              'fcnet_hiddens': [128, 128]
          }}
trainer = agents.ppo.PPOTrainer(env='CartPole-v0', config=config)
results = trainer.train()

config字典更改了上述值的默认值。你可以看到我们如何通过在config字典中嵌套一个名为model的字典来影响网络中的层数和节点数。一旦我们指定了配置，在trainer对象上调用train()方法将把环境发送给worker并开始收集数据。一旦收集了足够的数据(根据上面的设置收集了1,000个样本)，模型就会更新并将输出发送到一个名为results的新字典中。

如果你想要运行多个更新，你可以设置一个训练循环来连续调用给定次数的迭代的train()方法，或者直到达到某个其他阈值。

定制你的RL环境

OpenAI Gym及其所有扩展都很棒，但如果你正在寻找RL的新应用程序或在你的公司中使用它，则需要使用自定义环境。

不幸的是，Ray(0.9)的当前版本明确声明它与gym不兼容。值得庆幸的是，使用helper函数可以使自定义gym环境与Ray一起工作。

让我们假设你有一个名为MyEnv-v0的环境，因此你可以像在任何其他gym环境中调用，我们使用gym.make('MyEnv-v0')调用。

要从Ray调用自定义环境，你需要将其封装到一个函数中，该函数将返回environment类，而不是实例化的对象。

def env_creator(env_name):
    if env_name == 'MyEnv-v0':
        from custom_gym.envs.custom_env import CustomEnv0 as env
    elif env_name == 'MyEnv-v1':
        from custom_gym.envs.custom_env import CustomEnv1 as env
    else:
        raise NotImplementedError
    return env

从这里，你可以设置代理并在这个新环境中对其进行训练，只需对训练器进行轻微的修改。

env_name = 'MyEnv-v0'
config = {
    # 不管你想要什么样的配置设置….
    }
trainer = agents.ppo.PPOTrainer(
    env=env_creator(env_name), 
    config=config)
max_training_episodes = 10000
while True:
    results = trainer.train()
    # 输入你喜欢的任何停止条件
    if results['episodes_total'] >= max_training_episodes:
        break
print('Mean Rewards:\t{:.1f}'.format(results['episode_reward_mean']))

注意，在上面，我们使用env_creator调用环境，其他一切保持不变。

使用自定义环境的技巧

如果你习惯于从环境构建自己的模型到网络和算法，那么在使用Ray时需要了解一些特性。

首先，Ray遵循OpenAI Gym API，这意味着你的环境需要有step()和reset()方法，以及指定的observation_space和action_space属性。关于后两个方面，我一直有点懒，因为我可以简单地定义网络输入和输出维度，而不必考虑输入值的范围，例如，gym.spaces方法需要的范围。Ray检查了所有输入，以确保它们都在指定的范围内

在建立你的行动和观察空间时，使用Box、Discrete和Tuple。MultiDiscrete和MultiBinary不能工作(目前)，并将导致运行崩溃。相反，在Tuple函数中包装Box和Discrete

可以的话，利用自定义预处理。Ray对你的状态输入做了一些假设，这些假设通常工作得很好，但是它也使你能够自定义预处理步骤，这可能有助于你的训练。

超越RLlib

Ray可以极大地加快训练速度，使深度强化学习更容易开始。RLlib不是结束(我们只是在这里触及了它的基本功能)。还有一个库，称为Tune，它使你能够调整模型的超参数，并为你管理所有重要的数据收集和后端工作。