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
 
   -> 人工智能 -> 强化学习Deep Q-Learning系列在gym上SpaceInvaders游戏的应用 -> 正文阅读

[人工智能]强化学习Deep Q-Learning系列在gym上SpaceInvaders游戏的应用

项目实现了 Nature DQN、Double DQN、Dueling DQN

github 地址?https://github.com/xiaoxu1025/SpaceInvader/

Deep Q-Learning 也就是价值函数的近似表示

Nature DQN、Double DQN、Dueling DQN 都是在Deep? Q-Learning上的优化

下面是Deep Q-Learning的模型实现和 Dueling DQN模型的实现

def create_model(input_shape, action_nums):
    input_state = Input(shape=input_shape)
    input_action = Input(shape=(action_nums,))
    conv1 = Conv2D(16, kernel_size=(7, 7), strides=(4, 4), activation='relu')(input_state)
    conv2 = Conv2D(32, kernel_size=(5, 5), strides=(2, 2), activation='relu')(conv1)
    conv3 = Conv2D(64, kernel_size=(3, 3), strides=(2, 2), activation='relu')(conv2)
    flattened = Flatten()(conv3)
    dense1 = Dense(512, kernel_initializer='glorot_uniform', activation='relu')(flattened)
    dense2 = Dense(256, kernel_initializer='glorot_uniform', activation='relu')(dense1)
    q_values = Dense(action_nums, kernel_initializer='glorot_uniform', activation='tanh')(dense2)
    q_v = dot([q_values, input_action], axes=1)
    model = Model(inputs=[input_state, input_action], outputs=q_v)
    q_values_func = K.function([input_state], [q_values])
    return model, q_values_func


def create_duelingDQN_model(input_shape, action_nums):
    input_state = Input(shape=input_shape)
    input_action = Input(shape=(action_nums,))
    conv1 = Conv2D(16, kernel_size=(7, 7), strides=(4, 4), activation='relu')(input_state)
    conv2 = Conv2D(32, kernel_size=(5, 5), strides=(2, 2), activation='relu')(conv1)
    conv3 = Conv2D(64, kernel_size=(3, 3), strides=(2, 2), activation='relu')(conv2)
    flattened = Flatten()(conv3)
    dense1 = Dense(512, kernel_initializer='glorot_uniform', activation='relu')(flattened)
    dense2 = Dense(256, kernel_initializer='glorot_uniform', activation='relu')(dense1)

    V = Dense(1, kernel_initializer='glorot_uniform')(dense2)

    A = Dense(action_nums, kernel_initializer='glorot_uniform', activation='tanh')(dense2)

    q_values = DuelingLayer()(V, A)

    q_v = dot([q_values, input_action], axes=1)
    model = Model(inputs=[input_state, input_action], outputs=q_v)
    q_values_func = K.function([input_state], [q_values])
    return model, q_values_func

然后是Nature DQN的实现

states, actions, rewards, next_states, is_ends = self.memory.sample(self.batch_size)
states_normal, actions_normal, next_states_normal = self.preprocessor.get_batch_data(states, actions, next_states)

q_values = self.calc_target_q_values_func(next_states_normal)
max_q_values = np.max(q_values, axis=1)

new_rewards = rewards + self.gamma * max_q_values

y = np.where(is_ends, rewards, new_rewards)
y = np.expand_dims(y, axis=1)
loss = self.model.train_on_batch([states, actions_normal], y)

接下来 Double DQN的实现

 # 1 先在当前Q网络中先找出最大Q值对应的动作
q_values = self.calc_q_values_func(next_states_normal)
q_values_actions = np.argmax(q_values, axis=1)

q_values_actions = to_categorical(q_values_actions, self.preprocessor.action_nums)
# 2 然后利用这个选择出来的动作在目标网络里面去计算目标Q值
target_q_values = self.target_model.predict_on_batch([next_states_normal, q_values_actions])

new_rewards = rewards + self.gamma * target_q_values

y = np.where(is_ends, rewards, new_rewards)
y = np.expand_dims(y, axis=1)

loss = self.model.train_on_batch([states, actions_normal], y)

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-07-14 10:51:52  更:2021-07-14 10:56:02 
 
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 -2024/11/17 21:47:17-

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