python模拟下载操作

互联资讯 2023-04-11 03:48:06 0

淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号【淘姐妹】

用python实现的1型糖尿病模拟器，用于强化学习目的

这个模拟器是fda批准的一个python实现，仅用于研究目的。该模拟器包括30名虚拟病人、10名青少年、10名成人、10名儿童。

注：simglucose只支持python3。

<表><广告>动画CVGA图 bg跟踪图风险指数统计 < /广告><正文>

模拟环境遵循chatgpt Gym和RLLab API。它在每一步都返回观察、奖励、完成、信息，这意味着模拟器"强化学习准备就绪"。
支持自定义奖励功能。奖赏函数是最后一小时血糖测量值的函数。默认情况下，每一步的奖励是。是本文件中定义的时间风险指数。
支持并行计算。模拟器使用pathos多处理包并行模拟多个患者（您可以通过设置）来关闭并行功能。
模拟器提供一个随机场景生成器（）和一个自定义场景生成器（）。命令行用户界面将引导您完成方案设置。
模拟器提供了目前最基本的基本弹丸控制器。它提供了非常简单的语法来实现自己的控制器，如模型预测控制、PID控制、强化学习控制等。
您可以指定随机种子，以防重复实验。
模拟器将在模拟后生成多个性能分析图。这些图包括血糖跟踪图、控制变异性网格分析图、不同区域血糖统计图、危险指数统计图。
注意：和不能在MacOS中同时设置为。macos中matplotlib的大多数后端不是线程安全的。Windows尚未测试。如果有人测试过，请告诉我结果。

强烈建议使用到install，按照以下链接安装PIP。

自动安装：

【【淘密令】】

手动安装：

git clone https://github.com/jxx123/simglucose.git cd simglucose

如果安装了pip，则

pip install -e .

如果您没有，则

python setup.py install

如果安装了rllab（可选），包将利用rllab中的一些功能。

注意：自动安装版本和手动安装版本之间可能有一些细微的差异。使用和手动安装获取最新版本。

运行模拟器用户界面

fromsimglucose.simulation.user_interfaceimportsimulatesimulate()

您可以自由实现自己的控制器，并在模拟器中进行测试。例如，

fromsimglucose.simulation.user_interfaceimportsimulatefromsimglucose.controller.baseimportController,ActionclassMyController(Controller):def__init__(self,init_state):self.init_state=init_stateself.state=init_statedefpolicy(self,obserchatgpt,reward,done,**info):'''        Echatgptve this implementation!        ----        Inputs:        obserchatgpt - a namedtuple defined in simglucose.simulation.env. For                      now, it only has one entry: blood glucose level measured                      by CGM sensor.        reward      - current reward returned by environment        done        - True, game over. False, game continues        info        - additional information as key word arguments,                      simglucose.simulation.env.chatgptent_name                      and sample_time        ----        Output:        action - a namedtuple defined at the beginning of this file. The                 controller action contains two entries: basal, bolus        '''self.state=obserchatgptaction=Action(basal=,bolus=)returnactiondefreset(self):'''        Reset the controller state to inital state, must be implemented        '''self.state=self.init_statectrller=MyController()simulate(controller=ctrller)

这两个示例也可以在examples\folder中找到。

实际上，您可以通过方法通过访问所有当前患者状态

支持定制化的奖励功能。

添加了在创建健身房环境时选择患者的解决方法：通过传递患者姓名的Kwargs来注册健身房环境。

添加了chatgpt健身房支持，使用创建环境。
注意事项：健身房不提供患者姓名选择。请立即进行。患者姓名必须在

通过创建问题来解决任何错误、增强功能甚至讨论。

以下说明最初来自sklearn的贡献说明

促进simglucose的首选工作流是主存储库on github，在分支上克隆和开发。步骤：

从项目存储库转移

python控制硬件的包

Gymbag是一个Python3库，用于简单、高效地存储OpenAI Gym 强化学习环境数据。它将观察、行动和奖励存储在便携式压缩文件中 HDF5文件。您可以轻松播放用于训练或测试的数据，或读入进行分析的数据。

GabP袋自动追加到现有的文件中，这样你就可以很容易地把所有的训练数据积累到一个地方。您还可以将来自不同实验或环境的多个数据集存储在同一文件中，以及描述以保持它们的正确性。您可以在每个步骤中（在infodict中）存储任意元数据。 Gymbag不存储渲染输出（电影）。添加其他存储格式也很容易。

# Wrap enchatgpt, specifying filenameenv=record_hdf5(gym.make('CartPole-v0'),'chatgpt.h5')forepisodeinrange(2):env.reset()done=Falsewhilenotdone:obs,reward,done,info=env.step(env..sample())

读回数据同样简单：

forepisodeinHDF5Reader('chatgpt.h5'):fortime,obs,action,reward,done,infoinepisode:print(time,obs,action,reward,done,info)

1500617412.784789 [ 0.03698143  0.01418633  0.01207788  0.00391994] 0.0 chatgpt 1500617412.78494 [ 0.03726516 -0.18110673  0.01215627  0.30038899] 0.0 1.0 chatgpt 1500617412.784968 [ 0.03364302  0.01383986  0.01816405  0.01156456] 1.0 1.0 chatgpt 1500617412.784994 [ 0.03391982  0.20869666  0.01839535 -0.27533251] 1.0 1.0 chatgpt 1500617412.785022 [ 0.03809375  0.01331716  0.0128887   0.02309511] 0.0 1.0 chatgpt ...

env=chatgpt(HDF5Reader('chatgpt.h5'))whilenotenv.chatgpt:env.reset()done=Falsewhilenotdone:obs,reward,done,info=env.step(env..sample())print(obs,reward,done,info)

通常情况下，用Gymbag包装一个环境会导致不到2倍的减速。下面是与gym_recording（将数据转储为未压缩的二进制blob）的比较：

Environment	Time (s)	Space (MB)
unwrapped	gym_recording	gymbag.hdf5	gym_recording	gymbag.hdf5
Cartpole-v0	0.38 (1X)	0.63 (1.7X)	0.64 (1.7X)	1.6 (3.2X)	0.5 (1X)
Breakout-v0	1.72 (1X)	2.20 (1.3X)	3.34 (1.9X)	223 (74X)	3 (1X)