openai-gym

0熱度

1回答

我想安裝整個Open AI gym包。後（我在Mac）brew install cmake，sudo pip install gym[all]給我下面的錯誤我使用蟒蛇4.3.22。在conda虛擬環境中，我是而不是。 which python輸出/anaconda/bin/python。蟒蛇使用的翻譯器是python 3.6.1。只需運行sudo pip gym（它必須是最低版本）運行良好。

0熱度

2回答

打開AI環境，在每個步驟後改變動作空間

有沒有一種方法可以讓我實現在每個步驟動作空間發生變化的openai環境？

2熱度

1回答

OpenAI健身房mujoco ImportError：沒有名爲'mujoco_py.mjlib'的模塊

我嘗試在openAi健身房運行此代碼。但它不能。 import mujoco_py import gym from os.path import dirname env = gym.make('Hopper-v1') env.reset() for _ in range(1000): env.render() env.step(env.action_space.sa

1熱度

1回答

來自bulletphysics/bullet3（pybullet庫）的kuka_grasp_block_playback.py未在我的系統上運行。

我從https://github.com/bulletphysics/bullet3.git下載了bullet3 github存儲庫（Bullet Physics SDK），其中包含用於運行增強學習算法的OpenAI Gym示例的python綁定。我試着運行以下目錄中的kuka_grasp_block_playback.py示例：bullet3-master/examples/pybullet/

3熱度

2回答

多代理遊戲的Openai健身房環境

是否可以使用openai的gym environments進行多代理遊戲？具體來說，我想模擬一個有四名球員（代理商）的紙牌遊戲。下一回合開始進行回合的玩家。我將如何建模球員之間的必要協調（例如，接下來是誰）？最終，我想對四個互相對抗的代理人進行強化學習。

0熱度

1回答

OpenAI健身房keyboard_agent.py：如何重新啓動？

我想用keyboard_agent.py玩Breakout-v0。當我開始與環境： python [...]/gym/examples/agents/keyboard_agent.py "Breakout-v0" 本場比賽開始，我可以打第一輪沒有問題。但我不能讓它重新啓動！在代碼中我們有： if key==0xff0d: human_wants_restart = True ，我不能去

1熱度

1回答

在openai cartole上訓練tensorflow模型

我正在實施我使用tensorflow的第一個強化深度學習模型，因爲我正在實施cartpole problem。我已經使用了六層的深層神經網絡，它對隨機生成的數據集進行訓練，分數高於閾值。問題在於模型沒有收斂，最終得分平均保持在10分左右。建議在閱讀某些帖子後，我申請正規化和輟學，以減少可能發生的任何過度擬合，但仍然沒有運氣。我也嘗試減少學習率。剛剛訓練完一批後，精確度也保持在0.60左右，盡

0熱度

1回答

如何解讀OpenAI健身房RAM環境的觀察結果？

在某些OpenAI健身房環境中，有一個「ram」版本。例如：Breakout-v0和Breakout-ram-v0。使用Breakout-ram-v0，每個觀測是長度128的陣列問題：如何變換一個觀察的Breakout-v0（這是一個160×210的圖像）轉換成的Breakout-ram-v0觀測值的形式（這是一個長度爲128的數組）？我的想法是在Breakout-ram-v0上訓練模型，並

1熱度

1回答

爲什麼q-learning函數不能在openai山地車中收斂

更新1：修改了貪婪epsilon政策，因爲它在使epsilon數量非常少之前所花費的插曲次數非常少。我已經更新了代碼。的新問題是在充分訓練它不應該偏離太大，但它拿起錯誤的價值觀瞬間發散是小量變小我一直在努力openai gym平臺相當一段時間，現在我的目標瞭解更多關於強化學習的內容。在堆棧溢出用戶@sajad的幫助下，我成功實施了具有優先級體驗重放（PER）的雙重深度學習（DQN）。在推車問題

2熱度

1回答

在Open AI Gym中實現策略迭代方法

我正在閱讀Sutton的「鋼筋學習」& Barto，我試圖自己寫一些方法。策略迭代是我目前正在使用的策略迭代。我正在嘗試使用OpenAI Gym來解決一個簡單的問題，例如CartPole或連續山地車。但是，對於策略迭代，我需要狀態之間的轉換矩陣和獎勵矩陣。這些都可以從您在OpenAI Gym中構建的'環境'中獲得。我正在使用python。如果不是，我該如何計算這些值，並使用環境？