reinforcement-learning

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

deep-learning reinforcement-learning openai-gym 2017-06-15

---

3熱度

1回答

是否有使用強化學習的文本分類的例子？

想象一下像情感分析這樣的二元分類問題。既然我們有這些標籤，我們不能用實際預測的差距作爲RL的報酬嗎？ 我想嘗試強化學習的分類問題

machine-learning nlp deep-learning reinforcement-learning 2017-06-20

---

0熱度

1回答

政策梯度網絡中的自動區分

我確實瞭解政策梯度網絡中的反向傳播，但我不確定如何與自動區分的庫協同工作。 也就是說，他們如何將它轉換成監督學習問題。 例如，下面的代碼： Y = self.probs + self.learning_rate * np.squeeze(np.vstack([gradients])) 爲什麼爲Y爲動作不1-熱矢量取？ 他正在計算假設動作正確的梯度，Y是一個熱點向量。然後他在相應的時間步驟中乘以

machine-learning neural-network reinforcement-learning q-learning 2017-06-25

---

0熱度

1回答

ValueError：變量A3C_net/basic_lstm_cell /權重不存在或未使用tf.get_variable（）創建

當我使用tf.nn.dynamic_rnn構造LSTM時，關於name_scope的問題導致其失敗，平臺爲WINDOWS 10.我無法解決它，任何幫助將不勝感激。 非常感謝！ 整個犯錯是如下： 回溯（最近通話最後一個）： File "a3c_prediction.py", line 157, in <module> main() File "a3c_prediction.py"

python reinforcement-learning 2017-05-18

---

0熱度

1回答

選擇按概率加權的隨機狀態

我正在嘗試爲自定義RL算法創建一個隨機環境，該代碼的陰影需要一個有序的字典（例如：OrderedDict（[（0,1），（1,0） ，（2,0），（3,0）]）元組中的第一個數是indx，其次是概率），並按照有序字典中定義的狀態出現的概率隨機返回新狀態（在上例中有它進入狀態0） 我有問題是由於某種原因，當INDX是0爲上述示例輸入100％的機率，機率也爲0。我期望概率爲1 在這種情況下，pclou

python enumerate reinforcement-learning 2017-05-22

---

0熱度

2回答

瞭解政策和價值功能強化學習

您有一個政策，實際上是我所有州的行動的概率分佈。價值函數決定了獲得最高回報的最佳行動方案。 所以我有一個隨機策略。我獲得了價值函數。我根據價值函數更新我的策略，併發布新的分配。我得到這個新的更新政策的價值功能，並再次重新評估。 從這個定義中，我很難理解價值迭代將如何工作，我認爲這是來自對價值函數的誤解。 價值函數不是最好的行爲方式，它只是一個決定獎勵的行爲過程？政策迭代是否僅僅尋找一個價值函數，它

dynamic-programming policy reinforcement-learning 2017-05-24

---

0熱度

1回答

直接/間接和監督/無監督/強化學習

直接/間接和監督/無監督/強化學習之間是否存在映射？對我來說，它看起來像直接學習≈監督學習和間接學習≈強化學習，但我找不到一個很好的參考。

machine-learning artificial-intelligence reinforcement-learning supervised-learning unsupervised-learning 2017-06-01

---

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/

robotics reinforcement-learning bulletphysics openai-gym kuka-krl 2017-06-05

---

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。

reinforcement-learning openai-gym 2017-06-05

---

0熱度

1回答

Tensorflow：圖形不同路徑之間的tf.gradients

我正在開發一個DDPG實現，它需要計算一個網絡（下圖：critic）與另一個網絡（下圖：actor）輸出的梯度。我的代碼已經利用隊列，而不是飼料類型的字典大部分，但我不能爲這個特定部分這樣做還： import tensorflow as tf tf.reset_default_graph() states = tf.placeholder(tf.float32, (None,)) acti

graph tensorflow reinforcement-learning gradients 2017-06-08

---