在深度RL方法中，如果将学习率设置为1，那会发生什么？
如果我们将学习率设置为RL模型中的1， 则更新过程将非常慢， 代理商将始终获得较低的奖励， 新的Q值将始终是相同的 代理人不会考虑以前的经验来计算Q-…
Importerror：无法导入渲染＆＃x27; from＆＃x27; gym.envs.classic_control＆＃x27;
我正在与RL代理合作，并试图复制此 Paper ，在其中，他们根据健身房开设了自定义的跑酷环境，但是当试图渲染我遇到的环境时。 import numpy as np imp…
DQN型号（游戏：Atari Pongnoframeskip）不学习
我正在尝试实施乒乓球的DQN模型。但是，即使在大约1000集之后，它仍然像随机活动一样执行。 CNN培训似乎并不能改善代理。 这是我的主要代码： 我创建…
DQN模型无法正确显示预期的分数
我正在研究游戏“ Cartpole-V1”的DQN培训模型。在此模型中，系统没有提醒终端中的任何错误信息。但是，结果评估变得更糟。这是输出数据： episode: 8…
keras：attributeError：＆＃x27; adam＆＃x27;对象没有属性＆＃x27; name＆＃x27;
我想编译我的DQN代理，但我会发现错误： attributeError：'adam'对象没有属性'_name'， DQN = buildAgent(model, actions) DQN.compile(Adam(lr=1e-3)…
体育馆报告我导入“ MSPACMAN-V4”时错误游戏（关于ROMS？）
我试图将“ MSPACMAN-V4”用作代理环境，但我的Python向我报告了以下消息。 gym.error.Error: We're Unable to find the game "MsPacman". Note: Gym …
具有N运动的最佳路径图算法
我有一个图表，每个路径都有唯一的奖励。例如，考虑以下图。 A: x => x*1 B: x => x-5 C: x => x*2 D: x => x/5 A / \ B --- C \ / D 考虑两条路径，…
是否有可能在A2C稳定的基线3中暴露重播缓冲液以包括人类的判断？
我正在使用 stable-baselines3 中的 A2C (Advantage Actor Critic) 框架 (包链接在这里）用于解决奖励为+1或0的强化问题的包。我有一个自动机制来将奖…
在出现异常值时，如何将数据标准化以进行增强学习？
Closed. This question is opinion-based. It is not currently accepting answers. 想要改进这个问题？更新问题，以便可以通过编辑这篇文章用事实和…
为什么 Stable-Baselines3valuate_policy() 函数永远无法完成？
我已经使用OpenAI健身房和稳定的Baselines创建了自己的自定义环境3。一旦训练了代理，我将尝试使用stable_baselines3.common.evaluation的estaiute_po…
演员评论家模型返回NAN的行动概率
我是 RL 新手，正在逐步了解 Actor Critic 的 Keras 实现。 作为它的一个变体，我正在尝试学习 WORDLE 的策略。然而，经过几次运行后，我的动作空间全…
