-
Notifications
You must be signed in to change notification settings - Fork 2
/
Copy pathmy_DQN_DRQN.py
781 lines (612 loc) · 32.4 KB
/
my_DQN_DRQN.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
#!/usr/bin/env python
# coding: utf-8
# # CE-40719: Deep Learning
# ## HW6 - Deep Reinforcement Learning
#
# (40 points)
#
# #### Name:
# #### Student No.:
#
# In this assignment, we are going to design an agent to play Atari game.
# we will use a wrapper to change MDP problem to POMDP, as a result, we are able to investigate the efficiency of using memory to solve problems in a partial observability setting.
# For this reseaon, we use a Deep Q-Network model as memory less architecture and a [DRQN](https://arxiv.org/abs/1507.06527) as a memoryful agent to play game Pong(`PongNoFrameskip-v4` environment of [gym](https://gym.openai.com/) library).
# In this environment, the observation is an RGB image of the screen, which is an array of shape (210, 160, 3). And action space is 6.
# We will train the model for 200,000 steps and should take approximately 2 hour.
#
# At the end, you should be able to conclude effectiveness of recurrent memory to cancel out noisy observation.
#
# ![Pong](https://cdn-images-1.medium.com/max/800/1*UHYJE7lF8IDZS_U5SsAFUQ.gif)
# ### 1. Setup
# if you use google colab to train your network, mount to google drive would be necessary
# In[ ]:
from google.colab import drive
drive._mount('/content/drive')
# First, we need to install `stable-baselines`. This library is a set of improved implementations of Reinforcement Learning (RL) algorithms based on OpenAI Baselines. We will use some of **wrappers** of this library. Wrappers will allow us to add functionality to environments, such as modifying observations and rewards to be fed to our agent. It is common in reinforcement learning to preprocess observations in order to make them more easy to learn from.
#
# - For linux based Operating Systems or google colab run cell below:
# In[ ]:
get_ipython().run_cell_magic('shell', '', '\nsudo apt-get update && sudo apt-get install cmake libopenmpi-dev zlib1g-dev\n\npip install stable-baselines[mpi]==2.8.0')
# - For Windows:
# - First install [MPI for Windows](https://www.microsoft.com/en-us/download/details.aspx?id=57467) (you need to download and install `msmpisetup.exe`)
# - Then run this command in Prompt: `pip install stable-baselines[mpi]==2.8.0`
# install ROMs which needed for creating atari env
# In[ ]:
import urllib.request
urllib.request.urlretrieve('http://www.atarimania.com/roms/Roms.rar','Roms.rar')
get_ipython().system('pip install unrar')
get_ipython().system('unrar x Roms.rar')
get_ipython().system('mkdir rars')
get_ipython().system('mv HC\\ ROMS.zip rars')
get_ipython().system('mv ROMS.zip rars')
get_ipython().system('python -m atari_py.import_roms rars')
# ### 2. Import Libraries:
# In[ ]:
import random, os.path, math, glob, csv, os
import numpy as np
from timeit import default_timer as timer
from datetime import timedelta
import matplotlib
get_ipython().run_line_magic('matplotlib', 'inline')
from IPython.display import clear_output
from plot import plot_all_data
import torch
import torch.optim as optim
import torch.nn as nn
import torch.nn.functional as F
# ######################## #
# USE ONLY IN GOOGLE COLAB #
get_ipython().run_line_magic('tensorflow_version', '1.x')
# ######################## #
import gym
from gym.spaces.box import Box
from stable_baselines import bench
from stable_baselines.common.atari_wrappers import make_atari, wrap_deepmind
# ### 2. Hyperparameters
# In[ ]:
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# Epsilon variables for epsilon-greedy:
epsilon_start = 1.0
epsilon_final = 0.01
epsilon_decay = 30000
epsilon_by_frame = lambda frame_idx: epsilon_final + (epsilon_start - epsilon_final) * math.exp(-1. * frame_idx / epsilon_decay)
# Misc agent variables
GAMMA = 0.99
LR = 1e-4
# Memory
TARGET_NET_UPDATE_FREQ = 1000
EXP_REPLAY_SIZE = 100000
BATCH_SIZE = 32
# Learning control variables
LEARN_START = 10000
MAX_FRAMES = 200000 # Probably takes about an hour training. You can increase it if you have time!
UPDATE_FREQ = 1
# Data logging parameters
ACTION_SELECTION_COUNT_FREQUENCY = 1000
#DRQN Parameters
SEQUENCE_LENGTH = 8
# ### 3. Wrapper
# In[ ]:
class WrapPOMDP(gym.ObservationWrapper):
def __init__(self, env=None):
super(WrapPOMDP, self).__init__(env)
obs_shape = self.observation_space.shape
self.observation_space = Box(
self.observation_space.low[0, 0, 0],
self.observation_space.high[0, 0, 0],
[obs_shape[2], obs_shape[1], obs_shape[0]],
dtype=self.observation_space.dtype)
def observation(self, observation):
# this method change MDP into POMDP
pomdp = np.random.uniform()
if pomdp >= 0.5:
return observation.transpose(2, 0, 1)
else:
return observation.transpose(2, 0, 1) * 0.0
# ### 4. Abstract Agent Class (3 Points)
# In[ ]:
class BaseAgent():
def __init__(self, model, target_model, log_dir, env):
self.device = device
self.gamma = GAMMA
self.lr = LR
self.target_net_update_freq = TARGET_NET_UPDATE_FREQ
self.experience_replay_size = EXP_REPLAY_SIZE
self.batch_size = BATCH_SIZE
self.learn_start = LEARN_START
self.update_freq = UPDATE_FREQ
self.update_count = 0
self.nstep_buffer = []
self.rewards = []
self.model = model
self.target_model = target_model
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# compelete this method
# * save log_dir
# * save env
# * make a list of action selections
# * using load_state_dict, share learnable parameters (i.e. weights and biases) of
# self.model with self.target_model
# * move both model to correct device
# * use Adam optimizer
# * set both model to train mode
#################################################################################
self.log_dir = None
self.env = None
self.action_selections = None
self.target_model.load_state_dict(self.model.state_dict())
self.optimizer = None
#################################################################################
# THE END #
#################################################################################
def update_target_model(self):
# update target model:
self.update_count += 1
self.update_count = self.update_count % self.target_net_update_freq
if self.update_count == 0:
self.target_model.load_state_dict(self.model.state_dict())
def save_sigma_param_magnitudes(self, tstep):
with torch.no_grad():
sum_, count = 0.0, 0.0
for name, param in self.model.named_parameters():
if param.requires_grad and 'sigma' in name:
sum_ += torch.sum(param.abs()).item()
count += np.prod(param.shape)
if count > 0:
with open(os.path.join(self.log_dir, 'sig_param_mag.csv'), 'a') as f:
writer = csv.writer(f)
writer.writerow((tstep, sum_ / count))
def save_td(self, td, tstep):
with open(os.path.join(self.log_dir, 'td.csv'), 'a') as f:
writer = csv.writer(f)
writer.writerow((tstep, td))
def save_reward(self, reward):
self.rewards.append(reward)
def save_action(self, action, tstep):
self.action_selections[int(action)] += 1.0 / self.action_log_frequency
if (tstep + 1) % self.action_log_frequency == 0:
with open(os.path.join(self.log_dir, 'action_log.csv'), 'a') as f:
writer = csv.writer(f)
writer.writerow(list([tstep] + self.action_selections))
self.action_selections = [0 for _ in range(len(self.action_selections))]
def get_max_next_state_action(self, next_states):
return self.target_model(next_states).max(dim=1)[1].view(-1, 1)
# # 1. Simple DQN
# We will implement a DQN model with experience replay. We implement a class for experience replay `ExperienceReplayMemory`, for extarct features of observed picture of game we implement a class `DQN` that uses a CNN and inheritance from `nn.Module`. We implemented a wrapper class `WrapPyTorch` that you will use it in training loop.
# ## 1.1. Experience Replay (3 Points)
# In[ ]:
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# complete push and sample methods.
#################################################################################
class ExperienceReplayMemory:
def __init__(self, capacity):
self.capacity = capacity
self.memory = []
def push(self, transition):
pass
def sample(self, batch_size):
return None
def __len__(self):
return len(self.memory)
#################################################################################
# THE END #
#################################################################################
# ## 1.2. Network Declaration (4 Points)
# In[ ]:
class DQN(nn.Module):
def __init__(self, input_shape, num_actions):
super(DQN, self).__init__()
self.input_shape = input_shape
self.num_actions = num_actions
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# Initialize CNN Model :
# conv1: out_channels:32, kernel_size=8, stride=4
# conv2: out_channels:64, kernel_size=4, stride=2
# conv3: out_channels:64, kernel_size=3, stride=1
# fc1(512)
# fc2(512)
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
def forward(self, x):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# complete forward pass using initialized CNN Model. use Relu activation function
# for conv1, conv2, conv3, and fc1.
#################################################################################
pass
return x
#################################################################################
# THE END #
#################################################################################
# ## 1.3. Agent (6 Points)
# In[ ]:
class Model():
def __init__(self, env=None, log_dir):
self.device = device
self.gamma = GAMMA
self.lr = LR
self.target_net_update_freq = TARGET_NET_UPDATE_FREQ
self.experience_replay_size = EXP_REPLAY_SIZE
self.batch_size = BATCH_SIZE
self.learn_start = LEARN_START
self.update_freq = UPDATE_FREQ
self.log_dir = log_dir
self.rewards = []
self.action_log_frequency = ACTION_SELECTION_COUNT_FREQUENCY
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# do followings line by line:
# * make a list of action selections
# * use shape of observation space to save number of features
# * save naumber of actions
# * use DQN class to declare model and target model (the game is 2-player game, so
# we declare 2 model)
# * using load_state_dict, share learnable parameters (i.e. weights and biases) of
# self.model with self.target_model
# * use Adam optimizer
#################################################################################
self.num_feats = None
self.num_actions = None
self.model = None
self.target_model = None
super(Model, self).__init__()
#################################################################################
# THE END #
#################################################################################
self.memory = ExperienceReplayMemory(self.experience_replay_size)
def prep_minibatch(self):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# random transition batch is taken from experience replay memory
# do followings line by line:
# * sample from self.memory with batch size, and save result in transitions
# * use transitions to save batch_state, batch_action, batch_reward,
# batch_next_state as tensors
# * save non_final_mask, non_final_next_states as tensors, note that sometimes
# all next states are false
#################################################################################
transitions = None
batch_state, batch_action, batch_reward, batch_next_state = None
batch_state = None
batch_action = None
batch_reward = None
non_final_mask = None
try:
non_final_next_states = None
empty_next_state_values = False
except:
non_final_next_states = None
empty_next_state_values = True
#################################################################################
# THE END #
#################################################################################
return batch_state, batch_action, batch_reward, non_final_next_states, non_final_mask, empty_next_state_values
def compute_loss(self, batch_vars):
batch_state, batch_action, batch_reward, non_final_next_states, non_final_mask, empty_next_state_values = batch_vars
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement calculation of loss (you should use "with torch.no_grad():" for target_model)
#################################################################################
loss = None
#################################################################################
# THE END #
#################################################################################
return loss
def update(self, s, a, r, s_, frame=0):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement update method to optimize model
# * push state, action, reward and new state to memoty
# * note that if frame is lower than self.learn_start or frame % self.update_freq != 0
# return None
# * take a random transition batch and compute loss
# * optimize the model
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
self.update_target_model()
self.save_td(loss.item(), frame)
self.save_sigma_param_magnitudes(frame)
def get_action(self, s, eps=0.1):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement get_action method (epsilon greedy)
# you should use "with torch.no_grad():"
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
def update_target_model(self):
# update target model:
self.update_count+=1
self.update_count = self.update_count % self.target_net_update_freq
if self.update_count == 0:
self.target_model.load_state_dict(self.model.state_dict())
# ## 1.3. Training Loop (4 Points)
# In[ ]:
start=timer()
log_dir = "/tmp/gym/dqn"
try:
os.makedirs(log_dir)
except OSError:
files = glob.glob(os.path.join(log_dir, '*.monitor.csv')) + glob.glob(os.path.join(log_dir, '*td.csv')) + glob.glob(os.path.join(log_dir, '*sig_param_mag.csv')) + glob.glob(os.path.join(log_dir, '*action_log.csv'))
for f in files:
os.remove(f)
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# do followings line by line:
# * use "make_atari" wrapper and save "PongNoFrameskip-v4" game to env
# * use "bench.Monitor" wrapper to know the episode reward, length, time and other data.
# * use "wrap_deepmind" wrapper to configure environment for DeepMind-style Atari.
# * use *WrapPyTorch*
# * save model
# * implement training loop
#################################################################################
env_id = "PongNoFrameskip-v4"
env = None
model = None
episode_reward = 0
observation = env.reset()
for frame_idx in range(1, MAX_FRAMES + 1):
epsilon = None
action = None
model.save_action(action, frame_idx) #log action selection
prev_observation = None
observation, reward, done, _ = None
....
if done:
pass
#################################################################################
# THE END #
#################################################################################
if frame_idx % 1000 == 0:
try:
clear_output(True)
plot_all_data(log_dir, env_id, 'DQN', MAX_FRAMES, bin_size=(10, 100, 100, 1), smooth=1, time=timedelta(seconds=int(timer()-start)), ipynb=True)
except IOError:
pass
env.close()
plot_all_data(log_dir, env_id, 'DQN', MAX_FRAMES, bin_size=(10, 100, 100, 1), smooth=1, time=timedelta(seconds=int(timer()-start)), ipynb=True)
# # 2. DRQN
# ## 2.1. Experience Replay (4 Points)
# In[ ]:
class RecurrentExperienceReplayMemory:
def __init__(self, capacity, sequence_length=10):
self.capacity = capacity
self.memory = []
self.seq_length = sequence_length
def push(self, transition):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# complete push method.
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
def sample(self, batch_size):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# complete sample method.
# notice that you should take these tips into consideration
# * sample here will be trajectory not transition
# * should use padding if trajectories aren't in same len
#################################################################################
samples = []
pass
#################################################################################
# THE END #
#################################################################################
return samples
def __len__(self):
return len(self.memory)
# ## 2.2. Network Declaration (4 Points)
# In[ ]:
class RecurrentDQN(nn.Module):
def __init__(self, input_shape, num_actions):
super(RecurrentDQN,self).__init__()
self.input_shape = input_shape
self.num_actions = num_actions
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# Initialize CNN Model :
# conv1: out_channels:32, kernel_size=8, stride=4
# conv2: out_channels:64, kernel_size=4, stride=2
# conv3: out_channels:64, kernel_size=3, stride=1
# fc2(256)
# GRU: input_size: 256 hidden_size=256
# fc2(256)
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
def forward(self, x, bsize, time_step, hidden_state, cell_state):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# complete forward pass using initialized CNN and GRU Model. use Relu activation
# function for conv1, conv2, conv3 and fc1 .
#################################################################################
pass
return x, hidden
def init_hidden_states(self,bsize):
h = None
pass
return h
#################################################################################
# THE END #
#################################################################################
# ## 2.3. Agent (6 Points)
# In[ ]:
class RecurrentModel():
def __init__(self, env=None, log_dir):
self.sequence_length = SEQUENCE_LENGTH
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# do followings line by line:
# * use shape of observation space to save number of features
# * save naumber of actions
# * use DRQN class to declare model and target model
# * call parent class constructor
# * declare memory
# * reset hidden state
#################################################################################
self.num_feats = None
self.num_actions = None
model = None
target_model = None
super(RecurrentModel, self).__init__()
self.memory = None
#################################################################################
# THE END #
#################################################################################
def prep_minibatch(self):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# random transition batch is taken from experience replay memory
# do followings line by line:
# * sample from self.memory with batch size, and save result in transitions
# * use transitions to save batch_state, batch_action, batch_reward,
# batch_next_state as tensors
# * reshape batch_state, batch_action, batch_reward, batch_next_state into
# (batch_size, sequence_length, feat_size)
# * get set of next states for end of each sequence
# * save non_final_mask, non_final_next_states as tensors, note that sometimes
# all next states are false
#################################################################################
try:
non_final_next_states = None
empty_next_state_values = False
except:
non_final_next_states = None
empty_next_state_values = True
#################################################################################
# THE END #
#################################################################################
return batch_state, batch_action, batch_reward, non_final_next_states, non_final_mask, empty_next_state_values
def compute_loss(self, batch_vars):
batch_state, batch_action, batch_reward, non_final_next_states, non_final_mask, empty_next_state_values = batch_vars
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement calculation of loss (you should use "with torch.no_grad():" for target_model)
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
return loss
def update(self, s, a, r, s_, frame=0):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement update method to optimize model
# * push state, action, reward and new state to memoty
# * note that if frame is lower than self.learn_start or frame % self.update_freq != 0
# return None
# * take a random transition batch and compute loss
# * clamp grad between -1 and 1
# * optimize the model
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
self.update_target_model()
self.save_td(loss.item(), frame)
self.save_sigma_param_magnitudes(frame)
def get_action(self, s, eps=0.1):
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# implement get_action method (epsilon greedy)
# you should use "with torch.no_grad():"
#################################################################################
pass
#################################################################################
# THE END #
#################################################################################
def reset_hx(self):
self.seq = [np.zeros(self.num_feats) for j in range(self.sequence_length)]
def finish_nstep(self):
while len(self.nstep_buffer) > 0:
R = sum([self.nstep_buffer[i][2] * (self.gamma ** i) for i in range(len(self.nstep_buffer))])
state, action, _, _ = self.nstep_buffer.pop(0)
self.memory.push((state, action, R, None))
# ## 2.4. Training Loop (2 Points)
# In[ ]:
start = timer()
log_dir = "/tmp/gym/drqn"
try:
os.makedirs(log_dir)
except OSError:
files = glob.glob(os.path.join(log_dir, '*.monitor.csv')) + glob.glob(os.path.join(log_dir, '*td.csv')) + glob.glob(os.path.join(log_dir, '*sig_param_mag.csv')) + glob.glob(os.path.join(log_dir, '*action_log.csv'))
for f in files:
os.remove(f)
#################################################################################
# COMPLETE THE FOLLOWING SECTION #
#################################################################################
# do followings line by line:
# * use "make_atari" wrapper and save "PongNoFrameskip-v4" game to env
# * use "bench.Monitor" wrapper to know the episode reward, length, time and other data.
# * use "wrap_deepmind" wrapper to configure environment for DeepMind-style Atari.
# * use *WrapPyTorch*
# * save model
# * implement training loop
#################################################################################
env_id = "PongNoFrameskip-v4"
env = None
model = None
episode_reward = 0
observation = env.reset()
for frame_idx in range(1, MAX_FRAMES + 1):
epsilon = None
action = None
model.save_action(action, frame_idx) #log action selection
prev_observation = None
observation, reward, done, _ = None
....
if done:
model.finish_nstep()
model.reset_hx()
pass
#################################################################################
# THE END #
#################################################################################
if frame_idx % 10000 == 0:
try:
clear_output(True)
plot_all_data(log_dir, env_id, 'DRQN', MAX_FRAMES, bin_size=(10, 100, 100, 1), smooth=1,
time=timedelta(seconds=int(timer() - start)), ipynb=True)
except IOError:
pass
env.close()
plot_all_data(log_dir, env_id, 'DRQN', MAX_FRAMES, bin_size=(10, 100, 100, 1), smooth=1,
time=timedelta(seconds=int(timer() - start)), ipynb=True)
# ## 2.5. Interpret Results (4 Points)
# Explain what you have seen. Is using recurrent memory improve performance? support your answer