当前位置: 首页 > news >正文

濮阳网站建设网站wordpress 不显示文章图片

濮阳网站建设网站,wordpress 不显示文章图片,网站建设公众号小程序推广开发,最好的推广平台是什么软件经验回放:Experience Replay(训练DQN的一种策略) 优点:可以重复利用离线经验数据;连续的经验具有相关性,经验回放可以在离线经验BUFFER随机抽样,减少相关性; 超参数:Rep…

经验回放:Experience Replay(训练DQN的一种策略)


优点:可以重复利用离线经验数据;连续的经验具有相关性,经验回放可以在离线经验BUFFER随机抽样,减少相关性;

超参数:Replay Buffer的长度;
∙ Find w by minimizing  L ( w ) = 1 T ∑ t = 1 T δ t 2 2 . ∙ Stochastic gradient descent (SGD): ∙ Randomly sample a transition,  ( s i , a i , r i , s i + 1 ) , from the buffer ∙ Compute TD error,  δ i . ∙ Stochastic gradient: g i = ∂ δ i 2 / 2 ∂ w = δ i ⋅ ∂ Q ( s i , a i ; w ) ∂ w ∙ SGD: w ← w − α ⋅ g i . \begin{aligned} &\bullet\text{ Find w by minimizing }L(\mathbf{w})=\frac{1}{T}\sum_{t=1}^{T}\frac{\delta_{t}^{2}}{2}. \\ &\bullet\text{ Stochastic gradient descent (SGD):} \\ &\bullet\text{ Randomly sample a transition, }(s_i,a_i,r_i,s_{i+1}),\text{from the buffer} \\ &\bullet\text{ Compute TD error, }\delta_i. \\ &\bullet\text{ Stochastic gradient: g}_{i}=\frac{\partial\delta_{i}^{2}/2}{\partial \mathbf{w}}=\delta_{i}\cdot\frac{\partial Q(s_{i},a_{i};\mathbf{w})}{\partial\mathbf{w}} \\ &\bullet\text{ SGD: w}\leftarrow\mathbf{w}-\alpha\cdot\mathbf{g}_i. \end{aligned}  Find w by minimizing L(w)=T1t=1T2δt2. Stochastic gradient descent (SGD): Randomly sample a transition, (si,ai,ri,si+1),from the buffer Compute TD error, δi. Stochastic gradient: gi=wδi2/2=δiwQ(si,ai;w) SGD: wwαgi.


注:实践中通常使用minibatch SGD,每次抽取多个经验,计算小批量随机梯度;
Replay Buffer代码实现如下:

@dataclass
class ReplayBuffer:maxsize: intsize: int = 0state: list = field(default_factory=list)action: list = field(default_factory=list)next_state: list = field(default_factory=list)reward: list = field(default_factory=list)done: list = field(default_factory=list)def push(self, state, action, reward, done, next_state):""":param state: 状态:param action: 动作:param reward: 奖励:param done::param next_state:下一个状态:return:"""if self.size < self.maxsize:self.state.append(state)self.action.append(action)self.reward.append(reward)self.done.append(done)self.next_state.append(next_state)else:position = self.size % self.maxsizeself.state[position] = stateself.action[position] = actionself.reward[position] = rewardself.done[position] = doneself.next_state[position] = next_stateself.size += 1def sample(self, n):total_number = self.size if self.size < self.maxsize else self.maxsizeindices = np.random.randint(total_number, size=n)state = [self.state[i] for i in indices]action = [self.action[i] for i in indices]reward = [self.reward[i] for i in indices]done = [self.done[i] for i in indices]next_state = [self.next_state[i] for i in indices]return state, action, reward, done, next_state

训练时的代码如下:

离线数据放到BUFFER里面:

#动作、状态、奖励、结束标志、下一状态
replay_buffer.push(state, action, reward, done, next_state)

训练时采样然后计算损失

bs, ba, br, bd, bns = replay_buffer.sample(n=args.batch_size)
bs = torch.tensor(bs, dtype=torch.float32)
ba = torch.tensor(ba, dtype=torch.long)
br = torch.tensor(br, dtype=torch.float32)
bd = torch.tensor(bd, dtype=torch.float32)
bns = torch.tensor(bns, dtype=torch.float32)loss = agent.compute_loss(bs, ba, br, bd, bns)
loss.backward()
optimizer.step()
optimizer.zero_grad()
http://www.yayakq.cn/news/673161/

相关文章:

  • 中国国家城乡建设部网站有哪些网站是拐角型
  • 个人做外贸网站wordpress 不显示主题
  • 一个网站多个域名的seo优化写一篇软文多少钱
  • 西安网站建设西宁做网站君博示范
  • 公司网站建设方案所需素材凉山州建设厅官方网站
  • 校园推广活动策划方案seo管理工具
  • 网站建设的成果怎么写压缩图片在线网站免费
  • 济南网站建设平台现在什么网站比较火做推广
  • jsp网站项目贵阳网站建设设计公司哪家好
  • 企业做网站用什么建站系统网站建设所用软件
  • 怎么快速推广appseo专员工作容易学吗
  • cms免费建站系统网站标准规范建设
  • 网站制作行业凌晨三点看的片韩国
  • 网站自适应与响应式做网站要了解哪些
  • 台州招聘网站建设桂林生活网二手房
  • 湛江网站设计软件优秀个人网站欣赏
  • 朝阳网站建设培训网站建设公司的客户
  • 连云港做电商网站的公司公司网站报价
  • 深圳网站设计哪好wordpress 收邮件发布
  • seo站公司手机版网站模板
  • 网站开发动态手工制作头饰
  • 微信辅助做单网站代加工接订单网站
  • 常见的网站首页布局泉州优化营商环境
  • 华强北做电子网站一个人做导购网站
  • dw做存资料网站网站建设模板代码下载
  • 汽车之家网站网站建设制作一个网站的费用
  • 湖南平台网站建设哪里好企业所得税怎么算利润
  • 黄金做空网站吴江做网站公司
  • 网站后台密码破解教程网站快备案
  • 免费做调查的网站有哪些网店运营数据分析