CartPoleを強化学習ライブラリKeras-rlを使って学習させてみた

DeepLearningの勉強中なのですが、（全くわからないので）「とりあえず他人の模倣をする」という方針で、多くの皆様方がやっておられるOpenAIのCartPoleを強化学習ライブラリKeras-RLを使って学習させてみました。

#CartPoleとは

CartPoleは横に移動できるカートの上にポールが立っており、そのポールをいかに倒さず長く維持できるかを競うゲームになっています。言い換えるとCartPoleでは「4つの入力情報（カートの位置、カートの速度、ポールの角度、ポールの角速度）を与えて、2つの出力（左に押す、右に押す:押す強さは固定）のうちどちらか1つを選ぶ、DeepLearningのモデルを作りなさい」と言うことです。

#動作環境

本投稿では下のライブラリを使っています。Keras-RL2が強化学習用ライブラリで、gymがCartPoleが入った実験環境を提供してくれるライブラリです。

• Tensorflow 2.5.0
• Keras-RL2
• OpenAI gym

pip install tensorflow
pip install keras-rl2
pip install gym

なお、Keras-RL2はKeras-RLが入っていると（私の環境では）動作しませんでした。Keras-RLをuninstallしてからインストールしてください。

#プログラム

他のサイトを参考に作りました。深く理解はしていないのですが一応学習は成功しました。

import gym
from tensorflow.keras.models import Sequential,load_model
from tensorflow.keras.layers import Dense,Flatten,BatchNormalization
from tensorflow.keras.optimizers import Adam
from rl.memory import SequentialMemory
from rl.policy import BoltzmannQPolicy
from rl.agents.dqn import DQNAgent

env = gym.make('CartPole-v0') 
env.reset()

model = Sequential([
	Flatten(input_shape=(1,4)),
	Dense(32,activation='relu'),
	BatchNormalization(),
	Dense(32,activation='relu'),
	BatchNormalization(),
	Dense(32,activation='relu'),
	BatchNormalization(),
	Dense(2,activation='linear')
])
#model=load_model('cartpole')     #保存したモデルをロードする時に使う

memory = SequentialMemory(limit=50000, window_length=1)
policy = BoltzmannQPolicy()
dqn = DQNAgent(model=model,nb_actions=2,memory=memory,nb_steps_warmup=10,target_model_update=1e-2,policy=policy)
dqn.compile(Adam(lr=1e-3), metrics=['mae'])
dqn.fit(env,nb_steps=50000,visualize=True,verbose=2)
dqn.model.save('cartpole',overwrite=True)
dqn.test(env,nb_episodes=3,visualize=True)