文章目录
相比于监督学习和非监督学习,(深度)强化学习模型的训练过程显得更加的缓慢。因此,可能训练过程中需要一些技巧,希望可以提高的 训练效率。
根据以往模型训练和近期项目中的一些经验,汇总出一些有助于训练加速和模型收敛的策略或技巧,以供参考。
什么会导致训练慢
大概有一下几方面。
庞大的探索空间
- 一般来说,强化学习模型往往有着庞大的需要探索的空间 { ( S , A ) } \{(S,A)\} { (S,A)}。
- 即便对于相对简单的表格型问题,
需要探索的空间大小
≈状态空间大小
×动作空间大小
(可能积分更准确,考虑到不同的状态空间,可能对应着的动作空间大小也不相同),需要探索的空间也很大。 - 以三子棋(Tic-Toc-Toe) 为例,状态空间大小为 ∣ S ∣ = 3 9 |S|=3^9 ∣S∣=39的量级,动作空间为 ∣ A ∣ = 3 2 |A|=3^2 ∣A∣=3