返回介绍

TD3

发布于 2024-06-23 17:58:49 字数 2370 浏览 0 评论 0 收藏 0

class TD3(model, gamma=None, tau=None, actor_lr=None, critic_lr=None, policy_noise=0.2, noise_clip=0.5, policy_freq=2)[源代码]

基类:Algorithm

__init__(model, gamma=None, tau=None, actor_lr=None, critic_lr=None, policy_noise=0.2, noise_clip=0.5, policy_freq=2)[源代码]

TD3 algorithm

参数:
  • model (parl.Model) – forward network of actor and critic.

  • gamma (float) – discounted factor for reward computation

  • tau (float) – decay coefficient when updating the weights of self.target_model with self.model

  • actor_lr (float) – learning rate of the actor model

  • critic_lr (float) – learning rate of the critic model

  • policy_noise (float) – noise added to target policy during critic update

  • noise_clip (float) – range to clip target policy noise

  • policy_freq (int) – frequency of delayed policy updates

learn(obs, action, reward, next_obs, terminal)[源代码]

Define the loss function and create an optimizer to minize the loss.

predict(obs)[源代码]

Refine the predicting process, e.g,. use the policy model to predict actions.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文