reinforcement-learning 相关问题

强化学习是机器学习和计算机科学的一个领域，涉及如何在最大化特定环境中的数字奖励的状态中选择动作。

为什么政策迭代和价值迭代方法对于最优价值和最优政策给出不同的结果？

python dynamic-programming reinforcement-learning policy value-iteration

回答 1 投票 1

什么是强化学习的策略？ [关闭]

我已经看到了这样的话：策略定义在给定时间表现的学习代理的方式。粗略地说，政策是从环境感知国家行动是一个映射...

terminology reinforcement-learning

回答 3 投票 8

在强化学习探索/开发的最佳实践

我的问题如下我在PyTorch DQN教程中的代码检查，但当时指的是强化学习一般：什么是最优的勘探/开采的最佳实践...

pytorch reinforcement-learning

回答 1 投票 1

神经网络设置和监控的强化学习

我对使用强化学习训练神经网络，例如，DQN几个问题：1。应定义我们的模型中，当我们使用regularizers或丢失？ 2.我们可以在监控什么？

neural-network artificial-intelligence reinforcement-learning

回答 1 投票 -1

Tensorflow和多：传递会话

我最近一直在使用虚拟机器人控制神经网络的项目。我用tensorflow它的代码了，它运行平稳。到目前为止，我用连续的模拟评估...

python parallel-processing multiprocessing tensorflow reinforcement-learning

回答 2 投票 11

教机器人通过强化学习，收集之前达到极限状态格子世界项目

我的问题是下面。我有一个简单的格子世界：https://i.imgur.com/2QyetBg.png代理开始于标有启动初始状态，目标是达到标示的终端状态...

machine-learning reinforcement-learning q-learning gridworld sarsa

回答 1 投票 0

强化学习的良好实施？

对于AI-类项目，我需要实现一个强化学习算法击败俄罗斯方块的一个简单的游戏。这场比赛是用Java编写的，我们的源代码。我知道的基本知识...

language-agnostic artificial-intelligence machine-learning reinforcement-learning

回答 9 投票 22

如何更新张量（权重值）试图用两个独立的网络？

我一直试图让AI使用RL酒杯。现在，我试图让两个独立的网络，这是DQN的一种方式。我在网上搜索，发现了一些办法，并试图使用它，但失败了。这个 ...

tensorflow deep-learning reinforcement-learning

回答 1 投票 0

政策梯度：为什么会搅乱数据导致性能在下降？

以上是平均成绩每100个集，当代理上健身房环境LunarLanderContinuous-V2上运行。橙色和蓝色线是当代理饲料转换的结果...

python neural-network reinforcement-learning

回答 1 投票 0

Pytorch ValueError：优化器得到一个空参数列表

当尝试创建一个神经网络并使用Pytorch对其进行优化时，我得到了ValueError：优化器获得了一个空参数列表这是代码。 import torch.nn as nn import torch.nn ....

python machine-learning pytorch reinforcement-learning backpropagation

回答 1 投票 2

神经网络不学习（损失保持不变）

我和我的项目合作伙伴目前正面临着我们最新大学项目的问题。我们的任务是实现一个玩Pong游戏的神经网络。我们正在给球位置......

python tensorflow keras neural-network reinforcement-learning

回答 1 投票 3

当Pytorch的mul（）函数与numpy结合使用时，为什么会看到TypeError？

我在终端中收到以下错误：Traceback（最近一次调用最后一次）：文件“deep_Q_learner.py”，第289行，in agent.replay_experience（）文件“deep_Q_learner.py”，...

pytorch reinforcement-learning

回答 1 投票 0

可以采取多种措施时的政策梯度是多少？

我试图使用政策渐变来编写强化学习算法，这是由Karpathy的博客文章启发的。 Karpathy的例子只有两个动作UP或DOWN，所以单个输出神经元......

neural-network reinforcement-learning

回答 1 投票 1

强化学习中的负面奖励

我无法解决问题：如何消极的奖励有助于机器避免它们？问题的起源来自谷歌的游戏Pong解决方案。按照他们的逻辑，一旦游戏结束（......

python tensorflow machine-learning reinforcement-learning pong

回答 2 投票 0

如何确定CartPole环境何时解决？

我正在阅读本教程并看到以下代码：＃Calculate score以确定环境何时解决得分。时间（时间）mean_score = np ....

machine-learning pytorch reinforcement-learning openai-gym

回答 2 投票 0

OpenAI-Gym中的自定义环境

我想在Python中尝试强化学习。但我想用自己的州和奖励创建一个自定义环境。可能我想在这里使用时间序列数据（没有像股票......

development-environment reinforcement-learning openai-gym

回答 1 投票 -1

Pytorch：如何创建一个不是衍生品的更新规则？

我想实现下面的算法，取自本书第13.6节：我不明白如何在pytorch中实现更新规则（w的规则与theta的规则非常相似）。作为......

python machine-learning pytorch reinforcement-learning backpropagation

回答 1 投票 5

Epsilon和学习率衰减在epsilon贪婪q学习

我知道epsilon标志着勘探和开发之间的权衡。一开始，你希望epsilon高，这样你就可以大跃进并学习东西。当你了解未来......

machine-learning reinforcement-learning q-learning

回答 1 投票 3

张量的元素0不需要grad，也没有grad_fn

仅供参考：我正在尝试将重新学习机制应用于分类任务。我知道做cus深度学习在任务中可以超越rl是没用的。无论如何，在研究目的我...

classification pytorch reinforcement-learning

回答 1 投票 0

OpenAI Gym - 如何创建一个热门的观察空间？

除了openAI的文档，我还没有找到更详细的文档。我需要知道正确的创建方式：一个具有1..n可能动作的动作空间。（目前使用...

python reinforcement-learning openai-gym

回答 1 投票 1

reinforcement-learning 相关问题

最新问题