增强学习DNQ算法实现Breakout Game（OpenAI/gym +TensorFlow）Ubuntu 16.04

最新推荐文章于 2023-12-28 18:01:37 发布

VIP文章 KL_Li

最新推荐文章于 2023-12-28 18:01:37 发布

阅读量4.7k

点赞数 1

文章标签： DeepLearing DQN 增强学习打砖块

本文链接：https://blog.csdn.net/qq_36122936/article/details/88624215

版权

github地址https://github.com/Donottakenleeplease/DQN

最近几天一直在做某选修课的作业,题目如下：

于是就去找相关的代码跑起来。首先当然是配置环境啦。

sudo apt-get update 
sudo apt-get install python3-pip
sudo apt-get install -y python-numpy python-dev cmake zlib1g-dev libjpeg-dev xvfb libav-tools xorg-dev python-opengl libboost-all-dev libsdl2-dev swig

上面是安装pip3以及OPENAI/gym相关的依赖库，如果有报错就尝试sudo apt-get update

接下来使用pip3安装TensorFlow(cpu)和gym

sudo pip3 install tensorflow
sudo pip3 install gym
sudo pip3 install gym[atari]
sudo pip3 install opencv-python  安装基于python的opencv

我着脸装TensorFlow是一切顺利的，如果有报错的话可以考虑手动把tensorflo

最低0.47元/天解锁文章

优惠劵

KL_Li

关注关注

1
点赞
踩
12

收藏

觉得还不错? 一键收藏
3
评论
增强学习DNQ算法实现Breakout Game（OpenAI/gym +TensorFlow）Ubuntu 16.04

github地址https://github.com/Donottakenleeplease/DQN最近几天一直在做某选修课的作业,题目如下：于是就去找相关的代码跑起来。首先当然是配置环境啦。sudo apt-get update sudo apt-get install python3-pipsudo apt-get install -y python-numpy pyth...
复制链接

扫一扫

多种深度强化学习算法在雅达利游戏breakout中的设计与实现

06-02

多种深度强化学习算法在雅达利游戏breakout中的设计与实现

breakout-Deep-Q-Network:强化学习| 在Atari Breakout上执行DQN，对决DQN和Double DQN的tensorflow实现

05-11

突破-深度-Q-网络 :person_running: [强化学习]在Atari Breakout游戏上执行的Deep Q Network（DQN），决斗DQN和Double DQN的张量流实现安装键入以下命令以安装OpenAI Gym Atari环境。 $ pip3 install opencv-python gym gym[atari] 如果您在安装时遇到任何问题，请参考。如何请不要修改test.py ， environment.py ， agent_dir/agent.py 培训DQN： $ python3 main.py --train_dqn 测试DQN： $ python3 test.py --test_dqn 注意：该环境还提供了用于游戏pong的界面，但是我尚未实现该模型。执行算法：具有经验重播的深度Q学习参考：第5页，“使用深度强化学习玩Atari” 这是没有装饰的最简

3 条评论您还未登录，请先登录后发表或查看评论

Deep Q-learning (DQN) for Multi-agent Reinforcement Learning

爱学习的小王的博客

08-14

3491

多智能体强化学习的深度Q学习(DQN) 背景我们从回顾单智能体和多智能体强化学习开始。单智能体强化学习 $ \quad $在单智能体、完全可观察的RL设置中，有一个智能体通过采取行动与环境交互。在每次t时，智能体观察环境的当前状态St ∈ S，根据随机策略π选择一个动作Ut∈ U，并接收奖励信号Rt= r(St，Ut)。然后，环境根据转移概率函数P(St+1 | St，Ut) 转移到新的状态St+1∈ S。目标是为代理人找到一个最大化折扣回报期望的策略π\piπ，Gt=Σk=t∞γk−tRt G_t

深度强化学习中深度Q网络（Q-Learning+CNN）的讲解以及在Atari游戏中的实战（超详细附源码）

showswoller的博客

11-25

4841

深度强化学习中深度Q网络（Q-Learning+CNN）的讲解以及在Atari游戏中的实战（超详细附源码）

使用 Deep Q-Learning 算法训练智能体玩 Breakout 游戏

最新发布

王大呀呀的博客

12-28

1119

本文使用 `Deep Q-learning 强化学习算法`训练智能体，并在 `BreakoutNoFrameskip-v4` 游戏中取得高分。

DQN算法训练atari游戏breakout，训练越往后越慢，游戏停滞不前

supergreener的博客

03-24

461

breakout-v0的action_space有4个动作，分别是0-NOOP,1-FIRE,2-RIGHT,3-LEFT。之前一直以为环境默认发出小球供击打，其实发出小球需要智能体做出动作1-FIRE。而我的模型没有学会在一小轮失败后做出动作1，故一直环境停滞不前。

强化学习-深度Q网络（第3章）

aaaccc444的博客

04-02

516

强化学习-深度Q网络（第3章）深度 Q 网络革新了强化学习领域。 1.在连续控制问题中，不能用表格式的Q数组表示。 2.DQN的一个有趣的特性是在训练过程中利用第二个网络，成为目标网络。第二个网络用于生成 target-Q值, 该 target-Q 值用于在训练过程中计算损失函数。 3.DQNs 中的一个问题是使用 (𝑠,𝑎, 𝑟,𝑠′, done) 元组的连续样本, 它们是相关的, 因此训练可能会过拟合。为了缓解这个问题，使用重放缓冲区。

dqn走迷宫 matlab_深度强化学习DQN(Deep Q Network)原理及例子：如何解决迷宫问题，附源码...

weixin_39664560的博客

12-21

2403

目前，强化学习中很火的当属Q-Learning了，关于Q-Learning的具体介绍请参加我上一篇文章。从上一篇文章中，我们可以看到，Q table可以看做Q-Learning的大脑，Q table对应了一张state-action的表，但在实际应用中，state和action往往很多，内存很难装下Q table，因此需要用神经网络替代Q table。训练样本首先要解决的问题是如何获取训练样本。在...

Deep Q-learning学习笔记

csyifanZhang的博客

02-25

699

推自己的github，边学边写，有RL,DL的一些小实验，训练机器走迷宫之类的小游戏，有兴趣可以玩玩传送门 Q-learning作为典型的value-based algorithm，训练出来的是critic（并不直接采取行为，评价现在的行为有多好），因此提出了state value function的概念，方便对每个状态进行评估 Policy-based是不断的增加reward高的行为发生的概率...

深度强化学习 ( DQN ) 初探

Qcloud_KID的博客

05-04

4070

1. Google的DQN论文 2015年2月，Google在Nature上发表了一篇论文(见附件)：Human-level control through deep reinforcement learning。文章描述了如何让电脑自己学会打Atari 2600电子游戏。 Atari 2600是80年代风靡美国的游戏机，总共包括49个独立的游戏，其中不乏我们熟悉的Breakout

dnq.virtualizeditemssource:一个虚拟化的项目源实现，提供必要的逻辑来获取和缓存线性顺序视图到大数据集（项目源）

07-12

dnq.virtualizeditemssource 一个虚拟化的项目源实现，提供必要的逻辑来获取和缓存线性/顺序视图到大型数据集（项目源）如何使用 VirtualizedItemSource 类是该项目中的主要组件。它充当项目集合的适配器，它抽象了延迟获取数据（带外）和分页以及预加载和缓存的必要操作。用户可以通过构造函数中的参数配置要预加载的数据项的数量。要使用该类，用户只需要提供两个委托：给定分页信息，从底层数据源返回一组数据的操作返回来自底层数据源的可用数据总数的操作声明如下所示： private DNQ.VirtualizedItemsSource.VirtualizedItemSource<DataItem> virtualItemsSource; 构造函数应该是这样的： virtualItemsSource = new DNQ.Virtualize

xodus-dnq：数据定义和通过Xodus查询Kotlin DSL

02-03

Xodus-DNQ是Kotlin库，其中包含数据定义语言并查询（一种无事务模式的嵌入式数据库）。 Xodus-DNQ对Xodus的支持与ORM框架为SQL数据库提供的支持相同。使用Xodus-DNQ，您可以使用Kotlin类定义持久元模型。 JetBrains团队工具和使用Xodus-DNQ进行持久层定义。更多文档快速入门指南安装到您的项目可从获得发行版本的列表。 Gradle repositories { mavenCentral() } compile ' org.jetbrains.xodus:dnq:${version} ' Maven < dependenc

基于python的强化学习斗地主设计与实现

04-13

基于python的强化学习斗地主设计与实现

AI.rar_DNQ_用人工智能玩小游戏

09-20

一个简单的人工智能神经网络，训练一段时间后可以自动接球，但是需要的硬件性能比较强10系显卡比较好，需要安装python3.6.5 ,tensorflow,等，不会安装找我，我有教程。

SPECTEK 200b_SM1G32Z11MD4DNQ-053BT_(1).pdf

06-30

镁光 SPECTEK LPDDR4/LPDDR4X DATASHEET SPEC 200ball

dnQ0WEstRypCP3U2RXolLQ

03-22

dnQ0WEstRypCP3U2RXolLQ

DNQ1前向散射能见度仪用户手册.doc

10-03

DNQ1前向散射能见度仪用户手册.doc

DNQ1前向散射能见度仪系统用户手册.pdf

10-14

DNQ1前向散射能见度仪系统用户手册.pdf

DNQ算法实现俄罗斯方块流程

05-11

DNQ算法可以用来实现俄罗斯方块游戏的自动下落和消除方块的功能。其流程如下： 1. 分治：将当前下落方块拆分成若干个小方块。 2. 合并：将每个小方块向下移动一格，如果无法下落则合并回去。 3. 判断：检查每一行...

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交