python - 在 ray.tune 中保存剧集奖励

Question

我正在使用 rllib/ray 在多代理环境中使用 PPO 算法训练几个代理。我正在使用ray.tune()命令来训练代理，然后从~/ray_results. 该数据包含代理在每个训练集中选择的动作，但我还需要相应的代理奖励。我查看了文档，但似乎没有允许保存剧集奖励的配置参数。有没有人有解决方法？

标签： pythonreinforcement-learningrayrllibray-tune

Answer 1

您需要将这些值添加到 info dict 中，然后它将被 ray tune 收集。