Monte Carlo Bulls

环境

conda create -f environment.yml

数据处理

降采样

脚本: data_processing/nearest_time.py

• 需要修改变量training_set和output_path_base，指定输入的原始数据位置，以及输出的数据位置。

数据集划分

• 训练集包括直至20200219（包含）
• 验证集包括20200220, 20200221, 20200224

修改代码中的路径定义

全局搜索/mnt/data3/rl-data，修改下面文件中的对应路径至实际路径

• training/default_param.py
• training/util/exp_management.py
• training/env/trainingEnv.py
• run_training_nni.py

实验

在项目根目录执行

nnictl create --config nni_profile/reproduce_1.yaml --port <可用端口> 

实验配置有两个

• reproduce_1.yaml：相对稳定
• reproduce_2.yaml：不稳定。同时由于训练的每一个环节都具备随机性且难以消除（模型参数初始化，epsilon-greedy选择，训练采样，cudnn行为等），期待运行十余个模型，可以出现一个稍微可用的。

可以修改trial_concurrency控制并发度