1回答
开发人员， 我找到了一堆DQN实现的示例，但因为我不是TensorFlow专家，所以我有点困惑。 让我们看看here就是其中之一。同样的事情也发生在newCurrentStates和futureQs上。 但是在88，我们看到了let maxFutureQ = Math.max(futureQs);。这里发生了什么？我也不明白为什么我们需要在94上做currentQ[action] = newQ;。 有没有人能帮我理解一下这里发生了什么，并给我留下一些评论呢？ 提前谢谢。 编辑： 讨论的代码： ?
浏览 34提问于2021-01-09得票数 1
回答已采纳
对于陆空两栖机器人，如何在gym上建立对应的三维环境（），通过DQN算法实现其路径规划或者运动模式的选择
浏览 116提问于2023-04-17
1回答
我一直试图使用不同的变体(如Q-learning、Deep Q-Network、Double DQN和Dueling Double DQN )在Python上实现强化学习算法。
浏览 4提问于2021-01-08得票数 2
回答已采纳
1回答
如果您对这种方法感兴趣，下面是在DeepMind：http://proceedings.mlr.press/v32/silver14.pdf上撰写的原始论文
行动者-批评家方法应该有效，但它通常(或总是有趣的方法，但我还没有看到任何实现，在我的例子中奖励函数是相当简单的。是否有一种方法来处理我尚未探索过的配置？
浏览 0提问于2019-01-05得票数 5
回答已采纳
下面的DQN算法 ? Source 在梯度下降线上，有一些我不太理解的东西。 例如，如果我有8个动作，那么输出Q是8个分量的向量，对吗？如何在(y_i - Q)^2上执行梯度下降？我认为在一个小批量中我不能保证一个状态的所有操作的返回。
浏览 29提问于2019-05-23得票数 1
回答已采纳
1回答
我想知道使用GPU是否会有效，如果我使用的政策(如PPO) RL作为模型？我最近训练了一个模型，GPU的利用率约为2%。
浏览 0提问于2021-10-13得票数 1
回答已采纳
1回答
我试图用Python编写我自己的DQN，使用py手电筒。我正在CartPole环境上试用它。
虽然Q损失转换，但模型的表现很差。
浏览 2提问于2022-03-20得票数 0
1回答
如果我想用DQN训练我的强化学习代理，我如何选择神经元的数量？然而，在RL中，泛化甚至是一件事吗？毕竟，我们是在训练一只蜘蛛以最有效的方式移动它的四肢，一只手臂以最快的方式抓住一个盒子，等等。
浏览 0提问于2018-06-10得票数 4
回答已采纳
5回答
如何按ParArray集合的升序排序，如否则，哪个并行集合可能更适合用于此目的？更新
如何在ParArray上实现一种并行算法，该算法可能比向非并行集合进行顺序排序更有效？
浏览 4提问于2014-05-16得票数 2
回答已采纳
2回答
DQN到底是如何学习的？
、、、、
我使用DQN模型和BoltzmannQPolicy。它很好地训练了以下变量：与端点的距离它能向哪个方向移动？我应该用哪种算法来代替？
浏览 0提问于2021-02-28得票数 3
1回答
/history_dqn_test_'+ filename + '.pickle', 'wb') as handle: agent.save_weights('h5f_files/dqn_{}_weights.h5f'.format(filename), overwrite=True)
下面是一个问题:代理
浏览 2提问于2019-07-08得票数 1
，V是指代理人遵循当前政策时的总报酬；Q是指如果我们给出具体的行动，然后遵循当前的政策，那么总报酬是什么；如果我们得到了最优策略，V将等于q；所以我们应该学会使A达到零；就像答案：-无法理解其机制决斗DQN
浏览 0提问于2018-09-07得票数 2
1回答
强化学习的边界
、、、、
国家考虑到附近是否有任何危险，如果食物是向上，向下，右或左，以及如果代理人是上，下，右或左。
问题是:在强化学习中，奖励正确方向的行为者是“正确的方法”吗？或者被认为是作弊，因为系统需要自己去学习？
浏览 0提问于2018-09-20得票数 1
回答已采纳
有些环境是基于图像的，因此，当与存储10万或数百万帧环境观测的算法一起使用时，可能会产生非常大的内存占用。在研究DeepQ学习的参考实现时，我发现了一对类，和，它们声称“确保观察之间的公共帧只存储一次……以优化内存使用，这对于DQN的100万帧重放缓冲区来说是巨大的。”在参考实现中，DeepQ代理将四组帧堆叠在一起，然后将其放入重放缓冲区。在查看了这两个类的实现之后，我并不清楚这些如何节省内存--如果有的话，因为LazyFrames基本上是一个由四个numpy数组组成的容器对象，难道La
浏览 0提问于2018-04-27得票数 1
回答已采纳
1回答
LZW算法-二进制压缩
、、、、
到目前为止，我实现了Huffman编码算法，但我注意到这还不够--压缩是最小的，我只能压缩几百万比特，通常只能压缩原始文件的1%。我搜索了有关它的信息，我发现大多数压缩文件程序，如bzip2和gzip，都在一起使用LZW和Huffman算法的组合。当我尝试使用LZW算法时，我被困在如何对二进制和位进行处理的问题上。关于该算法的大多数示例和解释都是在字母字符串和一些有限-不充分的二进制信息上进行检查。对于如何在二进制上实现它，有没有一个
浏览 4提问于2017-12-17得票数 1
1回答
我想要集成的算法，是使用paytm的话语量，如20 is成功完成。因此，我想实现同样的功能，任何人都可以建议我如何在android或kotlin中使用印度语音口音来实现这一点。
浏览 2提问于2022-05-09得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号