我正在进行强化学习的AI，我得到了奇怪的结果，这样的损失显示：Tensorflow损失：https://imgur.com/a/Twacm
虽然它是训练，但是在每场比赛之后，它会在一个随机玩家和一个加权矩阵的玩家之后进行比赛，但是它会上下移动：结果：https://imgur.com/a/iGuu2
基本上我正在做一个学习演奏奥赛罗的强化学习代理人。使用E-greedy，使用Keras over Tensorflow体验重播和深度网络。尝试了不同的架构，如sigmoid，relu和上面显示的图像，tanh。所有这些都有类似的损失，但结果有点不同。在这个例子中，代理人正在学习100k专业游戏。这是架构，默认学习率为0.005：
model.add(Dense(units=200,activation='tanh',input_shape=(64,)))
model.add(Dense(units=150,activation='tanh'))
model.add(Dense(units=100,activation='tanh'))
model.add(Dense(units=64,activation='tanh'))
optimizer = Adam(lr=lr, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss=LOSS,optimizer=optimizer)
原始代码：https://github.com/JordiMD92/thellia/tree/keras
那么，为什么我得到这些结果呢？现在我的输入是64个神经元（8 * 8矩阵），0个空方块，1个黑色方块和-1个白色方块。使用负输入是不是很糟糕？
这可能是你的激活功能的问题。尝试使用relu而不是tanh，如果你正在使用深度q学习，你可能不需要任何激活函数或关注重置权重的优化器。