datamllab
Env 中的多牌桌流程优化 数倍以上效率提升
在 evn 中 run 函数内部，step 所执行的是单牌桌的单步操作，跟牌时的可操作数量往往很少（单牌只能根单牌和炸弹），所以频繁的调用 AI 计算次数的同时，计算量并不高。整体来说 GPU 的使用率会很高，多进程（CPU 核数多）时 GPU 可能会打满。
而使用多牌桌模型，将多个牌桌的 setp 所需数据，组合一次性送入 AI 模型计算，然后拆分到每桌进行逻辑处理。
计算量可能不会减少，但是送入的次数会大大降低。可以多尝试一些牌桌数量，这里测试的结果是，相比单桌 GPU 运算慢载（CPU 核数多，所以 GPU 成了瓶颈），修改成 32 桌同时进行，GPU 占用率会下降到百分之十几，帧率可以提高数倍（CPU 会成为瓶颈）。更多的牌桌数，会导致 GPU 的运算量下降到个位数，显存有一定提升，但不明显。更多的牌桌数不意味着更高的帧率，有个平衡点，这里测试的是 32 桌左右同时送入 step 中，会提高数倍的效率。均衡 CPU 和 GPU 的性能配比
测试硬件：13900KF + 4090
@daochenzha 这边是基于 douzero 针对灌蛋的 “魔改” 尝试，融入了一些 rlcard 设计的优点。而针对 rlcard 框架的版本支持，可能涉及到的模型定义，流程上就需要考虑的比较多，还没有支持。
请教一个问题，我使用DouZero训练出来的掼蛋模型发现一个问题，就是训练一个月了，loss值一直在5到6之间，不下降了，而且好像还不如随机出牌这么厉害请问是哪里的问题呢
请教一个问题，我使用DouZero训练出来的掼蛋模型发现一个问题，就是训练一个月了，loss值一直在5到6之间，不下降了，而且好像还不如随机出牌这么厉害请问是哪里的问题呢
可能的原因很多。每个环节都可能出问题，但没一点效果，主要是这两点排查一下：
是否对出牌输赢奖励进行区分 是否将学习模型的状态更新到下次出牌模型中
请教一个问题，我用DouZero训练出来的掼蛋模型发现一个问题，就是训练一个月了，loss值一直在5到6之间，不回升了，而且好像还不如随机出牌那么厉害请问是哪里的问题呢
每个人可能的原因很多。第一步都可能出问题，但是一点效果都没有，主要是这几点排查一下：
是否对出牌输赢奖励进行区分 是否将学习模型的状态更新到下一个出牌模型中
就是loss值不收敛，打比方刚开始训练loss在5左右，然后训练一段时间loss就在2.8到3.8之间 不会再降了