dqn 应用案例_深度学习之三:深度强化学习(DQN-Deep Q Network)之应用-Flappy Bird...

本文介绍了如何使用深度强化学习(DQN)实现Flappy Bird游戏的智能控制。通过结合强化学习(RL)和卷积神经网络(CNN),训练模型在观察一段时间后开始训练,经历不断调整策略的过程。文章详细展示了代码实现,包括网络结构和关键函数,如权重初始化、卷积层、池化层等,并讨论了训练过程中的参数设置及其意义。
摘要由CSDN通过智能技术生成

【实例简介】

目录

1.达到的目的

2.思路

2.1.强化学习(RL Reinforcement Learing)

2.2.深度学习(卷积神经网络CNN)

3.踩过的坑

4.代码实现(python3.5)

5.运行结果与分析

【实例截图】

【核心代码】

#!/usr/bin/env python

from __future__ import print_function

import tensorflow as tf

import cv2

import sys

sys.path.append("game/")

try:

from . import wrapped_flappy_bird as game

except Exception:

import wrapped_flappy_bird as game

import random

import numpy as np

from collections import deque

'''

先观察一段时间(OBSERVE = 1000不能过大),

获取state(连续的4帧) =>进入训练阶段(无上限)=> action

'''

GAME = 'bird' # the name of the game being

played for log files

ACTIONS = 2 # nu

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