2024开悟智能体比赛（学习期）
环境启动方法
为了能直接使用
test_train.py进行模型训练并保存（比客户端训练效率更高），显示当前镜像下载速度，推荐如下直接使用命令行打开镜像的方法。
我们以打开走迷宫的代码为例：
-
在腾讯开悟APP中设置工作空间为
.../kaiwu2024/gorgewalk/（路径自选），启动开发环境（CPU或GPU随便选），在容器检测已完成后就可以停止启动。 -
打开
.../kaiwu2024/gorgewalk/dev/.docker-compose.yaml文件，找到容器kaiwudrl中的volumnes项（第34行，版本4.2.9），向其中加入如下信息
- '${KAIWU_CODE_FILE}/../train:/workspace/train'- 打开终端输入
docker compose -f {你的路径}/kaiwu2024/gorgewalk/dev/.docker-compose.yaml -p kaiwu-dev up -d-
你可以用网络版的 vscode，由于体验太差，本地 vscode 可以通过安装
Remote Explorer和Dev Containers，点击左下角的小按钮（打开远程窗口），选择附加到正在运行的容器，选择.../win_gpu/...即可进入容器，打开文件夹/data/projects/gorge_walk/即可进入相同的工作路径下。 -
安装 vscode 插件，推荐安装
Python和Even Better TOML两个插件。
注意事项
diy决策模型编写
只需要重写 diy/algorithm/agent.py 中的 exploit, save_model, load_model 三个函数，其余的 predict, learn 都可以 pass 掉（默认的 wrapper 还是都要的）。
save_model, load_model 的保存 id 就是 learn 函数的调用次数，虽然我们 pass 掉了 learn 函数，但是后端会自动记录 learn 函数调用次数，因此我们需要在每次更新模型时候调用一次 agent.learn()，且模型会自动在 id 为 10000 的倍数时，自动调用 agent.save_model。
模型训练方法（无需使用客户端）
写好你的 diy 文件夹后，检查 config/configure_app.toml 文件的最后两行，如果有 eval_model_cir, eval_model_id 属性，请删去（否则会出现重复配置，从而报错），直接运行 train_test.py 等待训练完成即可，因为我们之前装载了 /workspace/train 文件夹，所以直接在本机的工作路径下的 train/ 文件夹中，就能看到压缩好的待上传文件
如果你没看到保存的文件，请到 docker 中的
/data/ckpt/gorge_walk_diy/中，看你的模型是否有保存，如果显示保存id=0，则说明你忘记在更新模型时候调用一次agent.learn()。如果发现有存储的模型参数，那么请按照模型上传方法中的压缩文件格式，自己创建一个压缩包。
本地模型验证方法（检测模型是否读取成功）
-
将你要读取的模型权重文件
model.ckpt-[id].*放到ckpt/文件夹下（确保和agent.load_model的文件格式一致） -
向
config/configure_app.toml文件最后加入如下两行（如果存在这两行配置，请检查模型编号是否正确）：
eval_model_dir = "/data/projects/gorge_walk/ckpt" # 模型存储的文件夹位置（无需修改）
eval_model_id = "1874992" # 修改为你模型文件名中的id编号将 config/configure_app.toml 中的 47 行 run_mode 从 train 改为 eval，运行 train_test.py 即可自动调用 agent.load_model 传入参数 path=eval_model_dir, id=eval_model_id，从而读取模型权重，再传入到 kaiwu_agent/gorge_walk/diy/eval_workflow.py 的 workflow(...) 函数中进行验证。
如果想要自己在验证中输出模型信息，请直接对
eval_workflow.py进行修改，需要注意 docker 每次重启就会重置该文件。
模型上传方法
执行 train_test.py 后，会自动将模型权重保存在 /workspace/tarin/backup_model/ 下，其中只需包含三个文件夹，ckpt/, conf/, diy/：
diy/：就是工作路径下的code/diy（diy 为算法名称，可以自行替换为那5个名字之一）conf/：就是工作路径下的code/conf/ckpt/：只需包含模型参数文件，可以从/data/ckpt/gorge_walk_diy/中拷贝过来的，注意要和config/configure_app.toml中最后一行的eval_model_id编号保持一致。
新增模型后检测失败自检方法
- 检查压缩包中的
config/configure_app.toml的最后几行，变量有没有重复定义，最后两行应该是如下
eval_model_dir = "/data/projects/gorge_walk/ckpt"
eval_model_id = "1234" # 你的模型编号- 按照本地模型验证方法，看你的本地是否可以启动模型验证过程，本地验证失败可以本地DEBUG，而传上去失败了，什么日志都不会有。
训练无法终止问题
当执行完 train_test.py 后，直接 Ctrl+C 可能存在大量还没终止的进程，占用大量CPU和内存，我们可以再开一个终端，分别执行 pkill bash 和 pkill python3 将他们杀死。（还有些关不掉的不清楚什么原因）