IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 强化学习-莫烦强化学习2.1视频中的代码复现 -> 正文阅读

[Python知识库]强化学习-莫烦强化学习2.1视频中的代码复现

该代码为可以正常运行的代码

import numpy as np
import pandas as pd
import time
np.random.seed(2) #reproducible

N_STATES = 6 #the length of the 1 dimensional world
ACTIONS = ['left','right'] #available actions
EPSILON = 0.9 #greedy police 决策上的策略
ALPHA = 0.1 #learning rate
LAMBDA = 0.9 # discount factor 对于未来奖励的衰减值
MAX_EPISODES =13 #maxinum  episodes  13回合
#FRESH_TIME = 0.3 #fresh time for one move 间隔时间
FRESH_TIME = 0.001
def build_q_table(n_states,actions):
    table = pd.DataFrame(
        np.zeros((n_states,len(actions))), #q_table initial values
        columns= actions, #action's name
    )
    print(table)
    return table

#print(build_q_table(N_STATE,ACTIONs))

def choose_action(state,q_table):
    #This is how to choose an action
    state_actions = q_table.iloc[state,:]
    if (np.random.uniform() > EPSILON) or (state_actions.all()==0): #act non-greedy or state-action high
        action_name = np.random.choice(ACTIONS)
    else: #act greedy
        #action_name = state_actions.argmax()
        action_name = state_actions.idxmax()
    return action_name

def get_env_feedback(S,A):
    #This is how agent will interact with the environment
    if A == 'right': #move right
        if S == N_STATES - 2:#terminate
            S_ = 'terminal'
            R = 1
        else:
            S_ = S + 1
            R = 0
    else:
        R = 0
        if S == 0:
            S_ = S #reach the wall
        else:
            S_ = S - 1
    return S_, R


# environment
def update_env(S,episode,step_counter):
    #This is how environment be updated
    env_list = ['_']*(N_STATES-1) + ['T']  #'____________T' our environment
    if S == 'terminal':
        interaction = 'Episode %s: total_steps = %s' % (episode+1,step_counter)
        print('\r{}'.format(interaction),end='')
        time.sleep(2)
        print('\r                ',end='')
    else:
        env_list[S] = 'o'
        interaction = ''.join(env_list)
        print('\r{}'.format(interaction),end='')
        time.sleep(FRESH_TIME)

def rl():
    # main part of RL loop
    q_table = build_q_table(N_STATES,ACTIONS)
    for episode in range(MAX_EPISODES):
        step_counter = 0
        S = 0
        is_terminated = False
        update_env(S,episode,step_counter)
        while not is_terminated:
            A = choose_action(S,q_table)
            S_,R = get_env_feedback(S,A)
            q_predict = q_table.loc[S, A]
            if S_ != 'terminal':
                q_target = R + LAMBDA * q_table.iloc[S_, :].max()
            else:
                q_target = R # next state is terminal
                is_terminated = True #terminate this episode


            q_table.loc[S, A] += ALPHA * (q_target - q_predict)  # update
            S = S_ #move to next state

            update_env(S,episode,step_counter+1)
            step_counter +=1
    return q_table

if __name__ == "__main__":
    q_table = rl()
    print('\r\nQ-table:\n')
    print(q_table)

运行程序时遇到的问题:
当直接按照视频中的代码运行时,q_predict = q_table.ix[S, A],该行代码报错: ‘DataFrame’ object has no attribute ‘ix’
于是,到网上查到是因为新库对名称变化,将ix改为iloc,变为q_predict = q_table.iloc[S, A]。

但是,运行后又开始报错ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types
到网上查找原因:说使用iloc方法的时候,两个关键变量都要是下标位置而不是列的名称iloc[下标位置,下标位置]。然后将其修改为

q_predict = q_table.ix[S,ACTIONS.index(A)]

第一轮可以运行,后面又开始报错,因为后面会出现A为1的情况,于是,又去网上搜,发现:

`loc:通过行标签索引数据

iloc:通过行号索引行数据

ix:通过行标签或行号索引数据(基于loc和iloc的混合)`

于是试图采用try,except的方法来跳过这个问题,即修改为

try:
	q_predict = q_table.iloc[S, A]
except:
	q_predict = q_table.loc[S, A]

之后,代码确实能够运行,并且不报错,但是速度奇慢,当把EPSILON ,也就是策略调成0.1的时候才能看到最终结果,就去翻评论,然后再看代码,表示代码逻辑上是没有问题的,可能是try,except导致的速度变慢,后来经过多次查找,终于找到一位大佬修改的pytorch版本的代码,比对之后,发现

def choose_action(state,q_table):
    #This is how to choose an action
    state_actions = q_table.iloc[state,:]
    if (np.random.uniform() > EPSILON) or (state_actions.all()==0): #act non-greedy or state-action high
        action_name = np.random.choice(ACTIONS)
    else: #act greedy
        #action_name = state_actions.argmax()
        action_name = state_actions.idxmax()
    return action_name

之前该函数中的最后一条语句 action_name = state_actions.argmax()返回的是最大数的索引.argmax有一个参数axis,默认是0,表示第几维的最大值。因本实验中行索引为数字,列索引为字符串,所以会出现之后单独使用q_table.loc或q_table.iloc报错的情况。于是将其改为action_name = state_actions.idxmax(),后面凡是用到.ix的地方改成.loc就解决该问题了。

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-02-24 15:14:36  更:2022-02-24 15:14:42 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 0:17:55-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码