当前位置:首页 > 报告详情

黄隆波_RLx2_v2_watermark.pdf

上传人: 张** 编号:155517 2024-02-15 20页 4.27MB

1、RLx2:Training a Sparse DeepReinforcement Learning Model from ScratchLongbo HuangInstitute for Interdisciplinary Information SciencesTsinghua University1RL China 20232Deep Reinforcement Learning(DRL)3AlphaGo-Zero4 TPUs40 daysOpenAI Five256 GPUs180 daysRainbow DQNsingle GPU one weekHigh training cost

2、Resources-limited scenariosDRL Training is Costly106 W20 W=5000 x4ParadigmPrior worksin SLPrior worksin RLSave inference cost?Save training cost?Sparsityin RLIterative pruningHan et al.(2015;2016);Srinivas et al.(2017);Zhu&Gupta(2018);Hu et al.(2016);Guo et al.(2016);Dong et al.(2017);Molchanov et a

3、l.(2019b);Louizos et al.(2018);Tartaglione et al.(2018);Molchanov et al.(2017);Schwarz et al.(2021)Livne&Cohen(2020);Yu et al.(2020);Lee et al.(2021);Vischer et al.(2022)YesNo70%99%Dynamicsparse trainingBellec et al.(2017);Mocanu et al.(2018);Mostafa&Wang(2019);Dettmers&Zettlemoyer(2019);Evci et al.

4、(2020)Sokar et al.(2021);Graesser et al.(2022)YesYes50%90%Prior Works on lightweight DL5TrainingPruningMuch less parameters&Matchable performance!Iterative Pruning6TrainingEvolvingExplore new connections based on gradientsDynamic Sparse Training7ParadigmPrior worksin SLPrior worksin RLSave inference

5、 cost?Save training cost?Sparsityin RLIterative pruningHan et al.(2015;2016);Srinivas et al.(2017);Zhu&Gupta(2018);Hu et al.(2016);Guo et al.(2016);Dong et al.(2017);Molchanov et al.(2019b);Louizos et al.(2018);Tartaglione et al.(2018);Molchanov et al.(2017);Schwarz et al.(2021)Livne&Cohen(2020);Yu

6、et al.(2020);Lee et al.(2021);Vischer et al.(2022)YesNo70%99%Dynamicsparse trainingBellec et al.(2017);Mocanu et al.(2018);Mostafa&Wang(2019);Dettmers&Zettlemoyer(2019);Evci et al.(2020)Sokar et al.(2021);Graesser et al.(2022)YesYes50%90%Prior Works on lightweight DL8Can an efficient DRL agent be tr

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文提出了一种名为RLx2的算法,旨在通过强化学习训练极稀疏网络,并取得了与稠密网络相媲美的性能。关键设计组件包括基于梯度的拓扑进化、延迟的多步价值学习和动态缓冲区。实验表明,RLx2在模型压缩和计算效率方面具有显著优势,例如,在Ant-v3环境中,模型压缩率达到了7倍至20倍,FLOPs减少了20倍至50倍,而性能损失仅为3%。此外,通过动态调整存储样本的数量,RLx2能够更好地处理样本不一致性问题,提高训练效率。总之,RLx2通过创新的网络压缩技术和高效的训练策略,实现了在稀疏网络设置下的高性能强化学习。
"如何实现超稀疏网络的高性能?" "延迟多步价值学习在强化学习中的应用" "动态缓冲区如何改进强化学习训练?"
客服
商务合作
小程序
服务号
折叠