Optuna pour l’apprentissage par renforcement profond en Python

Les modèles d’apprentissage automatique ont des hyperparamètres qui influencent fortement leurs performances. On peut les comparer à la bonne température pour cuire un gâteau ou au bon angle pour retourner une crêpe. En apprentissage par renforcement, les hyperparamètres affectent les approximations de la politique et de la récompense ; bien réglés, ils peuvent améliorer considérablement les résultats.

Cet article vous présente Optuna, un puissant framework open source dédié à l’optimisation d’hyperparamètres. Si vous débutez, commencez par Understanding Machine Learning, une introduction sans code. Pour pratiquer en Python, suivez notre formation Machine Learning Fundamentals with Python, basée sur scikit-learn. Ensuite, MLOps Concepts vous aidera à passer de notebooks locaux à des environnements de production. Enfin, suivez Preprocessing for Machine Learning in Python, un cours particulièrement pertinent ici, qui vous apprend à nettoyer et préparer vos données pour vos modèles.

Qu’est-ce qu’Optuna ?

Optuna est un framework open source d’optimisation d’hyperparamètres qui automatise la recherche. Il s’emploie avec tout framework de machine learning ou de deep learning. Parmi ses principales capacités :

• Parallélisation et passage à l’échelle facilités : à mesure que la demande de calcul augmente, Optuna permet d’exploiter l’entraînement distribué et de se connecter à des backends cloud comme Kubernetes ou Dask.
• Recherche automatisée des meilleurs hyperparamètres : Optuna cherche les meilleures combinaisons dès lors que vous spécifiez un intervalle pour chacun.
• Algorithmes de pointe pour l’échantillonnage et l’élagage : Optuna propose des algorithmes avancés comme Median Pruner et WilcoxonPruner, qui élaguent via des tests statistiques.
• Simplicité d’utilisation : Optuna s’implémente en 5 à 6 lignes de code seulement !
• Optuna Dashboard : Optuna permet désormais de stocker et d’analyser les résultats de tous vos essais via le tableau de bord.
• Optuna Hub : partagez et réutilisez des fonctionnalités créées par la communauté.

Qu’est-ce que l’apprentissage par renforcement (RL) ?

Trouver la trajectoire optimale. Source : image de l’auteur

L’apprentissage par renforcement (RL) combine apprentissage automatique et commande optimale. Il étudie comment un agent intelligent doit agir dans un environnement dynamique pour maximiser sa récompense cumulée. En bref, il s’agit d’apprendre à un agent à prendre des décisions optimales qui maximisent ses récompenses dans un environnement. À chaque étape, la récompense peut être positive ou négative selon la proximité de l’objectif visé.

Contrairement au machine learning supervisé, les algorithmes de RL prennent des décisions pour atteindre un résultat optimal, selon une logique d’essais-erreurs proche de notre façon d’apprendre. Le RL profond s’en distingue car il utilise des réseaux de neurones profonds pour approximer des fonctions complexes. On peut aussi dire que le RL « classique » privilégie des approches plus déterministes, tandis que le RL profond recourt à des approches stochastiques.

Utiliser Optuna dans votre modèle d’apprentissage par renforcement

Dans un environnement, il existe souvent de multiples chemins pour atteindre la cible. Par rapport à l’apprentissage supervisé, le RL profond est bien plus sensible au choix des hyperparamètres (taux d’apprentissage, gamma, nombre d’étapes, etc.).

De mauvais réglages peuvent conduire à une convergence médiocre ou instable. La variabilité des performances selon les graines aléatoires (utilisées pour initialiser les poids du réseau et l’environnement) complique encore la donne.

Dans cette section, nous allons installer Optuna et ses dépendances, définir l’espace de recherche, puis lancer l’optimisation pour l’algorithme MountainCarContinuous-v0. MountainCarContinuous-v0 fait partie de RL-Zoo, un framework d’entraînement qui fournit des scripts pour évaluer les agents et tracer les résultats. MountainCarContinuous-v0 modélise un environnement où l’agent (une voiture) tente d’atteindre son but (atteindre le drapeau).

Représentation de l’algorithme MountainCarContinuous-v0 après réglage. Image de l’auteur.

Comment démarrer avec Optuna

Pour commencer, vous devez :

1. Configurer les éléments dépendants de votre modèle.
2. Définir vos hyperparamètres et proposer un intervalle de valeurs pour chacun.
3. Définir votre fonction objectif, qui contient le modèle ou la fonction à optimiser. Définissez aussi un CallBack pour retourner des évaluations périodiques.
4. Créer une étude Optuna et exécuter la fonction optimisée sur un nombre d’essais donné.

Installer Optuna et Stable-Baselines3

Après avoir créé un nouvel environnement virtuel, installez les packages. À noter : Optuna prend en charge Python 3.7 et versions ultérieures. Pour revoir la création d’un environnement virtuel, consultez notre tutoriel Virtual Environment in Python.

pip install optunapip install stable-baselines3pip install sb3-contribPropulsé par

Importer les packages nécessaires

Nous utiliserons le package gym pour créer l’environnement dans lequel l’agent exécutera des actions.

from stable_baselines3.common.env_util import make_vec_envfrom stable_baselines3 import A2Cimport gymimport optunafrom optuna.pruners import MedianPrunerfrom optuna.samplers import TPESamplerfrom optuna.visualization import plot_optimization_history, plot_param_importancesfrom typing import Any, Dictimport torchimport torch.nn as nnprint(optuna.__version__)Propulsé par

Ce projet utilisera MountainCarContinuous-v0 avec Advantage Actor-Critic (A2C). Advantage Actor-Critic (A2C), l’un des algorithmes Actor-Critic, combine des approches basées valeur (mesure la récompense d’une action) et basées politique (contrôle les actions de l’agent) afin de stabiliser l’entraînement en réduisant la variance.

Définir les hyperparamètres

Paramétrons les configurations utilisées pour cette tâche.

N_TRIALS = 100  # Nombre maximal d'essaisN_JOBS = 1 # Nombre de jobs exécutés en parallèleN_STARTUP_TRIALS = 5  # Fin de l'échantillonnage aléatoire après N_STARTUP_TRIALSN_EVALUATIONS = 2  # Nombre d'évaluations pendant l'entraînementN_TIMESTEPS = 100000  # Budget d'entraînementEVAL_FREQ = int(N_TIMESTEPS / N_EVALUATIONS)N_EVAL_ENVS = 5N_EVAL_EPISODES = 10TIMEOUT = int(60 * 15)  # 15 minutesENV_ID = "MountainCarContinuous-v0"DEFAULT_HYPERPARAMS = {    "policy": "MlpPolicy",    "env": ENV_ID,}Propulsé par

Nous allons proposer un intervalle de valeurs pour les hyperparamètres.

def a2c_hyper_params(trial: optuna.Trial) -> dict:    """Échantillonner les hyperparamètres A2C pour un essai Optuna."""    return {        "learning_rate": trial.suggest_float("learning_rate", 1e-5, 1e-2),        "gamma": trial.suggest_float("gamma", 0.9, 0.9999),        "n_steps": trial.suggest_int("n_steps", 5, 2048),        "ent_coef": trial.suggest_float("ent_coef", 1e-8, 1e-2),        "vf_coef": trial.suggest_float("vf_coef", 0.1, 1.0),        "max_grad_norm": trial.suggest_float("max_grad_norm", 0.3, 10)    }Propulsé par

Définir la fonction objectif

Nous définissons une fonction CallBack TrialEvalCallback() afin de renvoyer des évaluations périodiques des tâches d’optimisation. Consultez le notebook Google Colab pour l’implémentation du callback.

def objective(trial: optuna.Trial) -> float:    """    Utilisée par Optuna pour évaluer un jeu d'hyperparamètres à la fois.À partir d'un objet trial, on échantillonne les hyperparamètres, on les évalue et on reporte le résultat.    :param trial: objet d'essai Optuna    :return: Récompense épisodique moyenne après entraînement    """    kwargs = DEFAULT_HYPERPARAMS.copy()    # 1. Échantillonner les hyperparamètres et mettre à jour les arguments nommés    kwargs.update(a2c_hyper_params(trial))    # 2. Créer le modèle de RL    model = A2C(**kwargs)    # 3. Créer les envs d'évaluation avec make_vec_env, ENV_ID et N_EVAL_ENVS    eval_envs = make_vec_env(ENV_ID, n_envs=N_EVAL_ENVS)    # 4. Créer le callback TrialEvalCallback     eval_callback = TrialEvalCallback(        eval_envs,        trial,        n_eval_episodes=N_EVAL_EPISODES,        eval_freq=EVAL_FREQ,        deterministic=True,        verbose=0,    )    nan_encountered = False    try:        # Entraîner le modèle        model.learn(N_TIMESTEPS, callback=eval_callback)    except AssertionError as e:        # Parfois, des hyperparamètres aléatoires peuvent générer des NaN        print(e)        nan_encountered = True    finally:        # Libérer la mémoire        model.env.close()        eval_envs.close()    # Indiquer à l'optimiseur que l'essai a échoué    if nan_encountered:        return float("nan")    if eval_callback.is_pruned:        raise optuna.exceptions.TrialPruned()    return eval_callback.last_mean_rewardPropulsé par

Mécanismes efficaces d’échantillonnage et d’élagage

L’élagage consiste à écarter des paramètres ou des régions de l’espace de recherche peu susceptibles d’aboutir à un résultat optimal, ici après un certain budget. Dans Optuna, l’élagage supprime les essais peu performants dès les premières étapes de l’entraînement. Cela réduit l’ensemble de paramètres à tester et le temps nécessaire pour atteindre la zone optimale. Optuna propose plusieurs pruners, dont le Median Pruner, basé sur une règle d’arrêt médiane. Pour en savoir plus, consultez la documentation Optuna.

Implémenter le MedianPruner d’Optuna 

L’algorithme Median Pruner élague si le meilleur résultat courant est inférieur à la médiane des résultats précédents. La division par trois est utilisée car nous ne voulons élaguer qu’après 1/3 du budget maximal.

pruner = MedianPruner(n_startup_trials=N_STARTUP_TRIALS, n_warmup_steps=N_EVALUATIONS // 3)Propulsé par

Implémenter le TPESampler d’Optuna

Choisissez l’échantillonneur : aléatoire, TPESampler, CMAES, etc.

sampler = TPESampler(n_startup_trials=N_STARTUP_TRIALS)Propulsé par

Créer l’étude et démarrer l’optimisation

Nous pouvons maintenant créer une étude Optuna.

study = optuna.create_study(sampler=sampler, pruner=pruner, direction="maximize")try:study.optimize(objective, n_trials=N_TRIALS, n_jobs=N_JOBS, timeout=TIMEOUT)except KeyboardInterrupt:    passprint("Number of finished trials: ", len(study.trials))print("Best trial:")trial = study.best_trialprint(f" Value: {trial.value}")print(" Params: ")for key, value in trial.params.items():    print(f" {key}: {value}")print(" User attrs:")for key, value in trial.user_attrs.items():    print(f" {key}: {value}")Propulsé par

Fonctionnalités avancées d’Optuna

Voyons quelques fonctionnalités plus avancées d’Optuna.

Outils de visualisation d’Optuna

Optuna propose un tableau de bord pour visualiser, suivre et analyser les exécutions passées et en cours. Auparavant, il fallait souvent connecter un outil de suivi comme MLflow pour gérer les résultats.

Optuna Dashboard. Source : Optuna

Intégration avec des systèmes distribués pour des expériences à grande échelle

Grâce au support de l’entraînement distribué, Optuna se connecte à des backends comme Kubernetes ou Dask afin de tirer parti de davantage de ressources de calcul pour des expériences à grande échelle. Vous pouvez également connecter un backend de stockage pour conserver et gérer les résultats de vos sessions : stockage cloud compatible Dask, ou SQLite pour des exécutions locales.

Conseils pour utiliser Optuna en apprentissage par renforcement profond

Voici quelques conseils pour éviter les pièges courants lors du réglage d’hyperparamètres :

• Évaluer la nécessité de régler les hyperparamètres : demandez-vous si un réglage est vraiment requis. Parfois, il suffit d’entraîner plus longtemps.
• Se préparer à des résultats inconsistants : répéter la même expérience avec les mêmes hyperparamètres en RL ne garantit pas des résultats identiques.
• Tenir compte de la taille de l’espace de recherche : comme en machine learning classique, un espace trop restreint peut empêcher de trouver de bons paramètres, tandis qu’un espace trop vaste peut prendre un temps considérable.