问题描述
嗨,AI爱好者,
我自己以及我见过的大多数其他CartPole代理程序需要> 1000集(如果不是几千个,取决于RNG)才能开始学习并最终收敛到一个“解决方案”(被认为具有在连续200
的游戏中获得100
的得分)。
虽然我很高兴我的经纪人最终能够学习和解决CartPole问题,但每集的平均时间最多可播放10秒(逐步经过环境,直到完成该集),并进行3到5秒钟的训练batch_size of 64
。因此,对于这样一个简单的问题,总培训时间为几个小时。
现在,我找到了这个OpenAI排行榜实现,它可以在一个秒之内解决问题。单个情节足以使该特工学习它需要知道的所有内容,然后在播放后相当成功:
https://gym.openai.com/evaluations/eval_L0nIc9FQzKF7pcn60L7A/
很明显,此代理程序未使用Torch或Keras,而是使用NumPy数组和MalMul操作(仅具有8个不同的权重)实现了自己的逻辑。
如何从单个情节中学习?可以在Keras中实现吗?
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@)