強(qiáng)化學(xué)習(xí)

• CartPole任務(wù)的設(shè)計使得代理的輸入是4個實際值，表示環(huán)境狀態(tài)（位置，速度等）。然而，神經(jīng)網(wǎng)絡(luò)可以純粹通過觀察場景來解決任務(wù)， 因此我們將使用以cart為中心的屏幕補(bǔ)丁作為輸入。也因為如此，我們的結(jié)果與官方排行榜的結(jié)果無法直接比較 - 因為我們的任務(wù) 要困難得多。而且不幸的是，這確實減慢了訓(xùn)練速度，因為我們必須渲染所有幀。
• 需要的環(huán)境包
  • 神經(jīng)網(wǎng)絡(luò)(torch.nn)
  • 優(yōu)化(torch.optim)
  • 自動分化（torch.autograd）
  • 視覺任務(wù)的實用程序(torchvision)- 一個單獨的包
• 構(gòu)建函數(shù)

# -*- coding:utf-8 -*- # /usr/bin/python ''' -------------------------------------------------File Name : DQNDescription : AIM: 強(qiáng)化學(xué)習(xí)Functions: 1. 2. Envs : python == pip install -i h

總結(jié)

以上是生活随笔為你收集整理的torch DQN算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。