100万帧数据仅1秒！AI大牛颜水成团队强化求学新作，代码已开源

统计，以及每次交互的批大小不一。

异步的方式下，启发式和生存环境可以有效的在间隔时间上重合，无需互不到时。

Sea AI Lab的科学副教授在两种不同的机器SP上评测对比了EnvPool及别的RL生存环境督导增压器的处理量，分别是TPU v3-8应用程序， 以及NVIDIA DGX-A100Su-。TPU应用程序上有96 CPU cores，两个NUMA终端，多台NVIDIA DGX-A100机子有256 CPU核分裂， 8 NUMA nodes.

与EnvPool对比的RL生存环境模拟器管理系统以外简易的Python for-loop的多生存环境督导，业界最近似于的gym.vector_env，以及去年马上发布的据科学研究其他部门所知的之前最快的生存环境模拟器管理系统Sample Factory。

DGX-100

TPU-VM

由结果可见，在不同的Su-上，近似于不同使用量的worker，EnvPool都具有非常大的占有优势，特别是在NVIDIA DGX A100上，近似于同样的256个CPU核分裂，EnvPool的可靠性达到了市面上最近似于的gym.vector_env的13.3倍，并且达到了惊人的一百万帧千分之的调试反应速度。这个处理量下，产生10请注意9帧（10亿）原始数据至少所需17分钟。

在相对少天然资源的设置下，EnvPool乏善可陈也十分的优异，在12核分裂的情况下近似于gym.vector_env调试Atari至少能达到1.8万帧千分之的反应速度，而EnvPool可以更为有效地并用CPU痛快，达到5万帧千分之，是这个广为近似于的原则上的将近3倍。

项目简介

研发团队Sea AI Lab (SAIL)辖下新加坡冬海（SEA）集团，成立于2020年初，由颜水成挂帅，着重于于第一线突破性系统化科学研究。

现在，EnvPool早已在GitHub上Apache。

这早已是内部乘积的第二英文版，对比第一英文版的内部借助，Apache的第二英文版着眼于简便微软API，也就是更为加易于社区微软连接线不同的的游戏或者RL专业训练生存环境。

连接线C++增压器时，微软只所需定义好单个生存环境的督导自然语言，EnvPool则全权负责分布式督导并且提供批交互的API，这使得连接线更进一步RL生存环境及的游戏增压器并想得到即刻的立体化减速变得非常的最简单。

现在EnvPool在透过很低度开发，接下来的核分裂心更为新以外连接线更为多的RL生存环境（以外连续单手空间的未来会月免费近似于的Mujoco），及就会提供样例让服务器能很易于地并用EnvPool减速既有的ApacheRL专业训练瓦，以外连接线DeepMind的Acme，以及连接线EnvPool同一第一作者的红极一时的RL专业训练瓦天授Tianshou。

此外，EnvPool的全面性也被邀请到NVIDIA GTC 2021大就会上演讲者。

请注意：

GTC 2021演讲者：

。

克痢痧香包带在身上好吗
用什么方法可以解决眼睛干涩
宝宝消化不良的症状
甘油三脂高
生殖中心
支气管炎咳嗽
月经延长
新闻专题