Il rapporto di probabilità con clipping
Ora implementerai il rapporto di probabilità con clipping, una componente essenziale della funzione obiettivo di PPO.
Per riferimento, il rapporto di probabilità è definito come: $$\frac{\pi_\theta(a_t|s_t)}{\pi_{\theta_{old}}(a_t|s_t)}$$
E il rapporto di probabilità con clipping è: \(\mathrm{clip}(r_t(\theta), 1-\varepsilon, 1+\varepsilon)\).
Questo esercizio fa parte del corso
Deep Reinforcement Learning in Python
Istruzioni dell'esercizio
- Ottieni la probabilità dell'azione
probdaaction_log_prob, eprob_olddaaction_log_prob_old. - Scollega il log-prob delle azioni vecchie dal grafo di calcolo dei gradienti di torch.
- Calcola il rapporto di probabilità.
- Applica il clipping all'obiettivo surrogato.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
log_prob = torch.tensor(.5).log()
log_prob_old = torch.tensor(.4).log()
def calculate_ratios(action_log_prob, action_log_prob_old, epsilon):
# Obtain prob and prob_old
prob = ____
prob_old = ____
# Detach the old action log prob
prob_old_detached = ____.____()
# Calculate the probability ratio
ratio = ____ / ____
# Apply clipping
clipped_ratio = torch.____(ratio, ____, ____)
print(f"+{'-'*29}+\n| Ratio: {str(ratio)} |\n| Clipped ratio: {str(clipped_ratio)} |\n+{'-'*29}+\n")
return (ratio, clipped_ratio)
_ = calculate_ratios(log_prob, log_prob_old, epsilon=.2)