Ray on_train_result 回调检索 episode_id

Question

我正在使用 Ray/RLLib 的 APEX-DQN 代理（AsyncReplayOptimizer）。我想用一些小插曲数据 info["episode"].user_data从回调on_episode_end(info)改变info["result"]的字典on_train_result(info)。有没有办法做到这一点？由于info两个回调的对象输出非常不同。on_episode_end(info)：给出“env”和“episode”on_train_result(info)：给出“agent”和“result”来自的“结果”on_train_result(info)并没有提供关于所运行剧集的太多信息。我觉得奇怪的是“结果”只提供了类似的信息'result':{      'episode_reward_max':13010.0,      'episode_reward_min':12150.0,      'episode_reward_mean':12580.0,      'episode_len_mean':50.0,      'episodes_this_iter':2,      'episodes_total':2,      ...}没有任何关于剧集 ID 的信息。如果有剧集 ID，也许我可以尝试将两个回调链接在一起。

Answer 1

问题是结果是不同机器上许多不同剧集的摘要，因此无法访问剧集信息。在 on_episode_end 回调中，您可以将指标保存到 episode.custom_metrics 中，这些将显示在结果对象中。

https://ray.readthedocs.io/en/latest/rllib-training.html#callbacks-and-custom-metrics