强化学习

该博客介绍了如何使用PaddlePaddle框架实现强化学习的Actor-Critic模型,针对CartPole-v0环境进行训练。通过定义Actor和Critic网络结构,结合Adam优化器进行迭代训练,并保存模型参数。
摘要由CSDN通过智能技术生成

import gym, os

from itertools import count

import paddle

import paddle.nn as nn

import paddle.optimizer as optim

import paddle.nn.functional as F

from paddle.distribution import Categorical


 

device = paddle.get_device()

env = gym.make("CartPole-v0")  ### 或者 env = gym.make("CartPole-v0").unwrapped 开启无锁定环境训练

state_size = env.observation_space.shape[0]

action_size = env.action_space.n

lr = 0.001

class Actor(nn.Layer):

    def __init__(self, state_size, action_size):

        super(Actor, self).__init__()

        self.state_size = state_size

        self.action_size = action_size

        self.linear1 = nn.Linear(self.state_size, 128)

        self.linear2 = nn.Linear(128, 256)

        self.linear3 = nn.Linear(256, self.action_size)

<
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值