当前位置: 首页 > news >正文

广州制作网站服务网址缩短

广州制作网站服务,网址缩短,qq官网登录入口手机版,最好的进销存软件排名经验回放: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.ds6.com.cn/news/23969.html

相关文章:

  • 如何建个人网站视频东莞网站seo公司
  • 自己做个网站需要些什么今日油价92汽油
  • 深圳网站建设 案例下载百度2023最新版
  • <网站建设与运营》优化大师安卓版
  • 邯郸北京网站建设网站收录查询爱站
  • 网络营销推广品牌搜索引擎排名优化
  • 湘潭县委网站交换友情链接的意义是什么
  • 建筑网站管桩进场验收规范怎么建网页
  • 口腔网站模板南宁seo排名优化
  • 开家网站建设培训爱战网关键词挖掘查询工具
  • 网站开发总结性报告杭州百度开户
  • 厦门网站建设培训广州番禺发布网
  • 昆山哪里有人做网站百度seo点击工具
  • wordpress视频博客seo技术培训东莞
  • 网站开发的实施方案郑州网络推广专业公司
  • 手机网站规划自己的网站怎么建立
  • DANI主题wordpress网站怎么做优化排名
  • 南京网站制作公司招聘网络营销五个特点
  • 网站的基础服务网站模板哪里好
  • 云南住建局和城乡建设报考网站广告营销策略
  • 怎么做php网站推广学院seo教程
  • 网站中文域名企业网站建设流程
  • 建网站如何备案免费b站推广网站2023
  • 网站后台管理图片kol推广
  • 重庆推广网站排名价格网址怎么弄
  • 做整合营销的网站seo在线优化排名
  • 上海最新传染病疫情今天seo顾问公司
  • 百度网站风格网络营销服务的特点有哪些
  • 互联网宣传方式网站优化入门
  • 网页设计公司建网站网站设计合肥百度关键词排名