问题描述
我在一个环境中尝试使用 baseline3 库学习系统动力学。由于我的例子比较大,我用下面的例子来说明我遇到的问题。
问题
-
环境改写实际上在哪些地方融入了学习过程?
-
奖励有上下限吗?
我的代码:
from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2
env = gym.make('CartPole-v1')
model = PPO2(MlpPolicy,env,verbose=1)
model.learn(total_timesteps=10000)
obs = env.reset()
for i in range(1000):
action,_states = model.predict(obs)
obs,rewards,dones,info = env.step(action)
env.render()
我还没有找到任何关于此的信息。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)