AWS Deepracer 工作坊项目教程

AWS Deepracer 工作坊项目教程

guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker 项目地址: https://gitcode.com/gh_mirrors/gu/guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker

1. 项目目录结构及介绍

AWS Deepracer 工作坊项目的目录结构如下所示：

aws-deepracer-workshops/
├── .github/
│   ├── CODE_OF_CONDUCT.md
│   ├── CONTRIBUTING.md
│   └── LICENSE
├── dpr401/
│   ├── docker/
│   │   ├── Dockerfile
│   │   └── docker-compose.yml
│   ├── dpr401_notebook/
│   │   ├── deepracer_rl.ipynb
│   │   └── ...
│   ├── log-analysis/
│   ├── ...
├── guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker/
│   ├── README.md
│   ├── ...
└── ...

• .github/：包含项目的代码规范、贡献指南和许可证文件。
• dpr401/：存放与 AWS Deepracer 相关的 Docker 配置和 Jupyter 笔记本文件。
  • docker/：包含 Dockerfile 和 docker-compose.yml 文件，用于构建和运行容器。
  • dpr401_notebook/：包含 Deepracer 强化学习训练的 Jupyter 笔记本文件。
  • log-analysis/：用于日志分析的相关文件。
• guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker/：包含使用 Amazon SageMaker 训练 AWS Deepracer 模型的指导文档。

2. 项目的启动文件介绍

项目的启动主要涉及 Jupyter 笔记本文件。

在 dpr401_notebook/ 目录下，deepracer_rl.ipynb 是主要的启动文件，它包含了初始化环境、配置预设、训练强化学习模型的代码。启动 Jupyter 笔记本前，需要确保 Docker 容器已经正确构建和运行。

3. 项目的配置文件介绍

项目的配置主要通过 Jupyter 笔记本中的代码进行，以下是一些主要的配置文件和配置步骤：

• deepracer_rl.ipynb：这个笔记本文件中包含了多个代码单元，用于配置和启动训练过程。
  • 初始化环境：配置 AWS 环境和 Deepracer 模拟环境。
  • 配置预设：定义初始的代理参数。
  • 复制自定义文件到 S3：将奖励函数和模型元数据文件复制到 S3，以便 Amazon SageMaker 和 AWS RoboMaker 能够访问。
  • 定义指标和超参数：在开始 SageMaker 训练任务之前定义。
  • 配置 AWS RoboMaker 任务：创建模拟应用程序并设置 Kinesis 视频流。

所有配置均通过笔记本中的代码单元格进行，用户可以修改代码以调整训练参数和环境设置。

guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker 项目地址: https://gitcode.com/gh_mirrors/gu/guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker