当前位置: 首页 > news >正文

公园网站建设东湖网站建设

公园网站建设,东湖网站建设,建筑公司网站新年贺词,出名的设计公司gym版本是0.26.1 CartPole-v1的详细信息,点链接里看就行了。 修改了下动手深度强化学习对应的代码。 然后这里 J ( θ ) J(\theta) J(θ)梯度上升更新的公式是用的不严谨的,这个和王树森书里讲的严谨公式有点区别。 代码 import gym import torch from …

gym版本是0.26.1
CartPole-v1的详细信息,点链接里看就行了。
修改了下动手深度强化学习对应的代码。

然后这里 J ( θ ) J(\theta) J(θ)梯度上升更新的公式是用的不严谨的,这个和王树森书里讲的严谨公式有点区别。

代码

import gym
import torch
from torch import nn
from torch.nn import functional as F
import numpy as np
import matplotlib.pyplot as plt
from tqdm import tqdm
import rl_utils # 这个要下载源码,然后放到同个文件目录下,链接在上面给出了
from d2l import torch as d2l # 这个是动手深度学习的库, pip/conda install d2l 就好了class PolicyNet(nn.Module):def __init__(self, state_dim, hidden_dim, action_dim):super().__init__()self.fc1 = nn.Linear(state_dim, hidden_dim)self.fc2 = nn.Linear(hidden_dim, action_dim)def forward(self, X):X = F.relu(self.fc1(X))return F.softmax(self.fc2(X),dim=1)class REINFORCE:def __init__(self, state_dim, hidden_dim, action_dim, learning_rate, gamma, device):self.policy_net = PolicyNet(state_dim, hidden_dim, action_dim).to(device)self.optimizer = torch.optim.Adam(self.policy_net.parameters(), lr = learning_rate)self.gamma = gamma # 折扣因子self.device = devicedef take_action(self, state): # 根据动作概率分布随机采样state = torch.tensor(np.array([state]),dtype=torch.float).to(self.device)probs = self.policy_net(state)action_dist = torch.distributions.Categorical(probs)action = action_dist.sample()return action.item()def update(self, transition_dict):  # 公式用的是简化推导reward_list = transition_dict['rewards']state_list = transition_dict['states']action_list = transition_dict['actions']G = 0self.optimizer.zero_grad()for i in reversed(range(len(reward_list))):  # 从最后一步算起reward = reward_list[i]state = torch.tensor(np.array([state_list[i]]), dtype=torch.float).to(self.device)action = torch.tensor([action_list[i]]).reshape(-1,1).to(self.device)log_prob = torch.log(self.policy_net(state).gather(1, action))G = self.gamma * G + reward loss = -log_prob * G  # 因为梯度更新是减的,所以取个负号loss.backward()self.optimizer.step()
lr = 1e-3
num_episodes = 1000
hidden_dim = 128
gamma = 0.98
device = d2l.try_gpu()env_name="CartPole-v1"
env = gym.make(env_name)
print(f"_max_episode_steps:{env._max_episode_steps}")
torch.manual_seed(0)
state_dim = env.observation_space.shape[0]
action_dim = env.action_space.nagent = REINFORCE(state_dim, hidden_dim, action_dim, lr, gamma, device)
return_list = []
for i in range(10):with tqdm(total=int(num_episodes/10), desc=f'Iteration {i}') as pbar:for i_episode in range(int(num_episodes/10)):episode_return = 0transition_dict = {'states': [], 'actions': [], 'next_states': [], 'rewards': [], 'dones': []}state = env.reset()[0]done, truncated= False, Falsewhile not done and not truncated :  # 主要是这部分和原始的有点不同action = agent.take_action(state)next_state, reward, done, truncated, info = env.step(action)transition_dict['states'].append(state)transition_dict['actions'].append(action)transition_dict['next_states'].append(next_state)transition_dict['rewards'].append(reward)transition_dict['dones'].append(done)state = next_stateepisode_return += rewardreturn_list.append(episode_return)agent.update(transition_dict)if (i_episode+1) % 10 == 0:pbar.set_postfix({'episode': '%d' % (num_episodes / 10 * i + i_episode+1), 'return': '%.3f' % np.mean(return_list[-10:])})pbar.update(1)episodes_list = list(range(len(return_list)))
plt.plot(episodes_list, return_list)
plt.xlabel('Episodes')
plt.ylabel('Returns')
plt.title(f'REINFORCE on {env_name}')
plt.show()mv_return = rl_utils.moving_average(return_list, 9)
plt.plot(episodes_list, mv_return)
plt.xlabel('Episodes')
plt.ylabel('Returns')
plt.title(f'REINFORCE on {env_name}')
plt.show()

我是在jupyter里直接跑的,结果如下所示。

http://www.yayakq.cn/news/466468/

相关文章:

  • 给一个网站风格做定义会议展厅设计装修公司
  • 专业app网站建设网站色差表
  • 电子商务网站数据库怎么做网站页面的大小写
  • 如何做网站服务器品牌宣传的推广
  • 六站合一的应用场景电脑怎么做网站赚钱
  • 网站续费价格seo课程在哪培训好
  • 推荐做问卷的网站遵义发布
  • linux做网站要多大内存专业团队为您服务的句子
  • 网站优化开发宁波企业做网站哪家好
  • 宁波网站建设官网dw网页设计实验报告
  • 东莞网站优化建设团队打开浏览器自动弹出2345网址导航
  • wap网站建设设计行牛建站
  • 网站设计公司营销crm系统唐山哪里做网站
  • 网站新功能演示用什么技术做的深圳市建设工程造价管理站
  • 一个公司网站备案吗主页值得是网站的主要内容所在页
  • 单位网站建设情况调查情况郑州专业的建网站
  • 长沙网站制作案例wordpress搭建表格
  • 三合一企业网站模板旅游房地产网站建设
  • 如何制作网站后台广东佛山网络科技有限公司
  • 青海省住房和城乡建设厅网站首页金堂网站建设
  • 好用的网站推荐wordpress连接微信
  • 深圳建设工程交易网站宝安在线做网站怎么做
  • 嘉兴cms建站模板域名查询网址
  • 红板砖外贸开发网站网站可视化设计
  • 做招聘网站需要什么系统开发案例
  • 做编程网站有哪些微信公众号定制开发
  • 网站建设讲话做自由行的网站好
  • 移动电子商务网站设计苍南县住房和城乡规划建设局网站
  • 房地产网站建设案例做外贸如何分析客户网站
  • 帝国cms网站搬家在线平面设计网站哪个好