Skip to content

  • 体验新版
    • 正在加载...
  • 登录
  • PaddlePaddle
  • PARL
  • Issue
  • #333

P
PARL
  • 项目概览

PaddlePaddle / PARL

通知 68
Star 3
Fork 0
  • 代码
    • 文件
    • 提交
    • 分支
    • Tags
    • 贡献者
    • 分支图
    • Diff
  • Issue 18
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 3
  • Wiki 0
    • Wiki
  • 分析
    • 仓库
    • DevOps
  • 项目成员
  • Pages
P
PARL
  • 项目概览
    • 项目概览
    • 详情
    • 发布
  • 仓库
    • 仓库
    • 文件
    • 提交
    • 分支
    • 标签
    • 贡献者
    • 分支图
    • 比较
  • Issue 18
    • Issue 18
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 3
    • 合并请求 3
  • Pages
  • 分析
    • 分析
    • 仓库分析
    • DevOps
  • Wiki 0
    • Wiki
  • 成员
    • 成员
  • 收起侧边栏
  • 动态
  • 分支图
  • 创建新Issue
  • 提交
  • Issue看板
已关闭
开放中
Opened 7月 08, 2020 by saxon_zh@saxon_zhGuest

关于强化学习往经验池中预存数据的问题

Created by: zbp-xxxp

在复杂环境中,智能体学习的过程非常慢,我的思路是人为给一个大方向,然后智能体再沿着这个大方向探索最优方案,但是我在做的过程中,发现绕不开智能体,不知道有没有什么好方法解决它?

实际训练前:

往经验池中预存数据

while len(rpm) < MEMORY_WARMUP_SIZE: run_episode(agent, env, rpm)

游戏环境是CarRacing-v0

我的改进是把run_episode改成warn_up:

def WarnUp(env, agent):
    env.render()
    env.viewer.window.on_key_press = key_press
    env.viewer.window.on_key_release = key_release
    obs_list, action_list, reward_list = [], [], []
    isopen = True
    for i in range(1):
        obs = env.reset()
        total_reward = 0.0
        steps = 0
        restart = False
        while True:
            # obs = preprocess(obs)  # from shape (96, 96, 3) to (28*32,)
            # obs_list.append(obs)
            action_list.append(a)

            s, r, done, info = env.step(a)
            reward_list.append(r)
            total_reward += r
            if steps % 1 == 0 or done:
                print("\naction " + str(["{:+0.2f}".format(x) for x in a]))
                print("step {} total_reward {:+0.2f}".format(steps, total_reward))
            steps += 1
            isopen = env.render()
            if done or restart or isopen == False:
                break
    return obs_list, action_list, reward_list

这部分是我人为完成决策的,然后进入正式训练;相比于智能体一开始随机行进,我觉得这个方法要快一些,并且效果也会更好一些,但是不太清楚要怎么将参数传给智能体?

指派人
分配到
无
里程碑
无
分配里程碑
工时统计
无
截止日期
无
标识: paddlepaddle/PARL#333
渝ICP备2023009037号

京公网安备11010502055752号

网络110报警服务 Powered by GitLab CE v13.7
开源知识
Git 入门 Pro Git 电子书 在线学 Git
Markdown 基础入门 IT 技术知识开源图谱
帮助
使用手册 反馈建议 博客
《GitCode 隐私声明》 《GitCode 服务条款》 关于GitCode
Powered by GitLab CE v13.7