強(qiáng)化學(xué)習(xí)

• CartPole任務(wù)的設(shè)計(jì)使得代理的輸入是4個(gè)實(shí)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(guò)觀察場(chǎng)景來(lái)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?yàn)槿绱耍覀兊慕Y(jié)果與官方排行榜的結(jié)果無(wú)法直接比較 - 因?yàn)槲覀兊娜蝿?wù) 要困難得多。而且不幸的是，這確實(shí)減慢了訓(xùn)練速度，因?yàn)槲覀儽仨氫秩舅袔?/li>
• 需要的環(huán)境包
  • 神經(jīng)網(wǎng)絡(luò)(torch.nn)
  • 優(yōu)化(torch.optim)
  • 自動(dòng)分化（torch.autograd）
  • 視覺任務(wù)的實(shí)用程序(torchvision)- 一個(gè)單獨(dú)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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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