1回答
我使用以下架构创建了一个初始网络模型。env.action_size)) print(model.summary())
return model 然后调用更新网络体系结构的(Adam(lr=settings['train']['learning_rate']), metrics=['mse']) 这样做的结果是更新了网络架构-正如预期的那
浏览 31提问于2020-12-05得票数 0
回答已采纳
1回答
我将Keras用于层、优化器和模型，我的模型是Sequential 我有两个DQN网络，我让他们在模拟环境中互相决斗，然而在大约35集(每次都不同)之后，脚本就停止了，没有任何错误。我已经将我的问题隔离为当代理运行当前状态的预测模型以获得操作时的某个地方。该过程被调用，但从未完成，脚本只是停止，没有任何错误。如何调试此问题？
浏览 18提问于2019-10-11得票数 0
我一直在尝试用目标网络实现DQN，但我得到了一些非常奇怪的结果。有人能看一下我的代码，告诉我问题出在哪里吗？Fimport mathimport gym
import matplotlib.pyplot as plt
浏览 24提问于2019-07-19得票数 0
回答已采纳
上下文问题/关切
我与env的主要问题是，保持杆垂直与DQN没有什么不同，因为它将杆保持在接近失效的位置。如果得到+1的奖励，DQN如何变得更好？然后，在优化模型时，由于倾斜极态的分布较高，因此倾斜极态比垂直极态得到更高的回报。我们怎样才能期望DQN<
浏览 0提问于2019-04-28得票数 0
回答已采纳
2回答
我想我不明白DQN和DDQN在实现上有什么区别。我知道在DDQN运行期间我们改变了traget网络，但我不明白在这段代码中是如何实现的。我们将self.target_model.set_weights(self.model.get_weights())放在DDQN的实现中，这是在DQN的操作完成后添加的，https://github.com/keon/deep-q-learning将self.target_model.set_weights(self.model.get_weights())添加到DQN</em
浏览 0提问于2018-09-22得票数 10
1回答
我正在使用OpenAI健身房的cartpole环境训练强化学习模型。尽管我的体重和模型的.h5文件出现在目标目录中，但在运行以下代码后，我没有得到任何内容- tf.train.get_checkpoint_state("C:/Users/dgt/Documents").= keras.models.load_model('cartpole.h5')
dqn_solver.model = model.load_weights('cartpole_w
浏览 21提问于2020-08-25得票数 1
回答已采纳
我有一个功能性的LSTM模型，它具有可接受的性能。现在我如何将这个受监督的模型转换为一个强化学习模型，以提高性能？关于如何将有监督的模型转换为强化学习模型，有什么例子吗？详细信息:我有一个多输入多输出系统(因为我不能分享实际问题，让我们假设天气预报为例)，我需要实时预测输出(如温度、风速等)。我有一个很大的数据集，我尝试了一个监督学习模型，它可以很好地实时地完成预测。
问题是，有时预测值和实际值之间有很大的偏差。这意味着，数据集中可能出现了一种从未出现
浏览 0提问于2019-10-21得票数 2
1回答
我有一个问题，我找不到答案：
在训练强化学习(使用DQN)的同时，我得到了下一次行动的最佳奖励模型。现在，如果我部署这个模型(即使用这个模型进行预测)，它是否继续学习(即更新Q值)？
浏览 0提问于2020-05-25得票数 0
回答已采纳
我有一个具有15x15输入网格的模型，这将导致两个输出。每个输出有15个可能的值，它们是x或y坐标。我这么做是因为它比网格上的每个位置都有225个单独的输出要简单得多。问题是，当我尝试使用以下代码来训练模型时： policy = BoltzmannQPolicy()plt.show()
浏览 20提问于2022-06-09得票数 0
回答已采纳
2回答
Keras中的策略梯度
、、、、
我一直试图建立一个使用‘深度Q-学习’的模型，其中我有大量的行动(2908)。在使用标准DQN：()取得有限的成功之后，我决定做更多的研究，因为我认为动作空间太大，无法进行有效的探索。然后我发现了这篇论文：，在这里他们使用了一个参与者-评论家模型和策略梯度，这导致了我：，在那里，他们使用策略梯度来获得比DQN更好的结果。在前者(当我阅读论文时)，似乎不是为参与者网络提供输入和输出对，而是为所有权重提供梯度，然后使用网络更新它，而在后者中，它们只是计算一个输入-输出对。
我是不是把自己搞糊
浏览 6提问于2016-11-05得票数 23
我正试图解决openai的Bipedalwalker问题。问题是，我总是得到错误:输出的形状应该是-1到1之间的4个值(比如: 0.45099565 -0.7659952 -0.01972992 0.62626314)，所以我定义了这样的模型：model.add(Dense(actions, activation='linear'))当我试图训练模型</e
浏览 5提问于2021-09-25得票数 0
我想在运行DQN或DDPG模型后打印参数和结果。我在jupyter notebook中触发了模型，如下所示。 定义了配置和对象，并命名为training。如下所示： 但这并未打印模型参数和结果。Ubuntu EC2实例Jupyter notebook DQN on cart pole示例。我还想为我的问题设置(在线电子商务数据)使用我的自定义体验数据集进行策略培训 config_dict = {"evaluation_num_episodes":4,
浏览 20提问于2019-04-13得票数 1
1回答
a3c中的收敛问题
、、、
我过去曾在DQN上测试过它，它成功地收敛，取得了很好的效果。但是当我在A3C中使用相同的环境时，它会导致模型一次又一次地选择相同的操作。我试着换了一些超级护理人员，但没有结果。我还尝试使用目标模型并每n集更新一次，这使我与健身房CartPole环境更好地趋同，但在我的自定义环境中仍然对我的模型的性能没有影响。我在reddit上发现了一些关于同一个问题的讨论，但没有人回答。
浏览 0提问于2018-06-21得票数 0
回答已采纳
1回答
我正在研究一个问题，在这个问题上，最优策略大多数时候涉及到代理“什么都不做”，而在罕见的关键时刻“做一些事情”。在解决这样的问题时，是否有任何文献或最佳实践，而这些问题的行动是非常罕见的？我认为问题的一部分是，代理只有在他行动时才会收到回报反馈，这使得学习最优稀疏行动策略相当困难。我一直试图避免奖励黑客(代理频繁行动，并收集许多小的奖励)，通过这样的方式权衡奖励，由罕见但正确的行动给予的奖励远远超出重量奖励的频繁，不正确的时间行动。目前使用的是决斗的DQN</e
浏览 0提问于2019-12-30得票数 5
1回答
r})with self.default_graph.as_default():所以我想在完成训练后使用这些梯度更新我的keras模型权重，以便使用model.save('path.h5')保存它。
浏览 2提问于2018-06-12得票数 1
1回答
我现在正在编写一个DRL算法，它使用了双DQN的原理，模型和目标会随着时间的推移而更新。因此，在我的代码中，我使用了这一行： self.q_next.set_weights(self.q_eval.get_weights()) 这将导致以下错误消息： ValueError:您使用长度为10
浏览 16提问于2020-12-15得票数 0
1回答
为了创建自己的环境并使用github的一些代码，我需要查看gym.make('env')内部发生了什么，例如gym.make('carpole0')
在健身房里的github，我能找到它吗？如何编写“为DQN定义环境(env)”的更新部分，而DQN不在健身房库中？我正在寻找一个环境定义"env"示例上的github或其他资源，不是为Atari游戏设计的。我看到了几个模型，但大多数都使用OpenAI的gym库，它们都是为玩Atari游戏而编写的，这
浏览 0提问于2018-05-23得票数 0
回答已采纳
File "/Users/anisschohra/deep-q-trading/deepQTrading.py", line 68, in __init__ File "/Users/anisschohra/.local/lib/python3.7/site-packages/rl/agents/dqn</e
浏览 4提问于2021-07-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
