当前位置: 首页 > news >正文

做外贸怎样免费登录外国网站免费域名申请

做外贸怎样免费登录外国网站,免费域名申请,做网站推广怎么跟客户沟通,网站开发要怎么学经验回放:Experience Replay(训练DQN的一种策略) 优点:可以重复利用离线经验数据;连续的经验具有相关性,经验回放可以在离线经验BUFFER随机抽样,减少相关性; 超参数:Rep…

经验回放:Experience Replay(训练DQN的一种策略)


优点:可以重复利用离线经验数据;连续的经验具有相关性,经验回放可以在离线经验BUFFER随机抽样,减少相关性;

超参数:Replay Buffer的长度;
∙ Find w by minimizing  L ( w ) = 1 T ∑ t = 1 T δ t 2 2 . ∙ Stochastic gradient descent (SGD): ∙ Randomly sample a transition,  ( s i , a i , r i , s i + 1 ) , from the buffer ∙ Compute TD error,  δ i . ∙ Stochastic gradient: g i = ∂ δ i 2 / 2 ∂ w = δ i ⋅ ∂ Q ( s i , a i ; w ) ∂ w ∙ SGD: w ← w − α ⋅ g i . \begin{aligned} &\bullet\text{ Find w by minimizing }L(\mathbf{w})=\frac{1}{T}\sum_{t=1}^{T}\frac{\delta_{t}^{2}}{2}. \\ &\bullet\text{ Stochastic gradient descent (SGD):} \\ &\bullet\text{ Randomly sample a transition, }(s_i,a_i,r_i,s_{i+1}),\text{from the buffer} \\ &\bullet\text{ Compute TD error, }\delta_i. \\ &\bullet\text{ Stochastic gradient: g}_{i}=\frac{\partial\delta_{i}^{2}/2}{\partial \mathbf{w}}=\delta_{i}\cdot\frac{\partial Q(s_{i},a_{i};\mathbf{w})}{\partial\mathbf{w}} \\ &\bullet\text{ SGD: w}\leftarrow\mathbf{w}-\alpha\cdot\mathbf{g}_i. \end{aligned}  Find w by minimizing L(w)=T1t=1T2δt2. Stochastic gradient descent (SGD): Randomly sample a transition, (si,ai,ri,si+1),from the buffer Compute TD error, δi. Stochastic gradient: gi=wδi2/2=δiwQ(si,ai;w) SGD: wwαgi.


注:实践中通常使用minibatch SGD,每次抽取多个经验,计算小批量随机梯度;
Replay Buffer代码实现如下:

@dataclass
class ReplayBuffer:maxsize: intsize: int = 0state: list = field(default_factory=list)action: list = field(default_factory=list)next_state: list = field(default_factory=list)reward: list = field(default_factory=list)done: list = field(default_factory=list)def push(self, state, action, reward, done, next_state):""":param state: 状态:param action: 动作:param reward: 奖励:param done::param next_state:下一个状态:return:"""if self.size < self.maxsize:self.state.append(state)self.action.append(action)self.reward.append(reward)self.done.append(done)self.next_state.append(next_state)else:position = self.size % self.maxsizeself.state[position] = stateself.action[position] = actionself.reward[position] = rewardself.done[position] = doneself.next_state[position] = next_stateself.size += 1def sample(self, n):total_number = self.size if self.size < self.maxsize else self.maxsizeindices = np.random.randint(total_number, size=n)state = [self.state[i] for i in indices]action = [self.action[i] for i in indices]reward = [self.reward[i] for i in indices]done = [self.done[i] for i in indices]next_state = [self.next_state[i] for i in indices]return state, action, reward, done, next_state

训练时的代码如下:

离线数据放到BUFFER里面:

#动作、状态、奖励、结束标志、下一状态
replay_buffer.push(state, action, reward, done, next_state)

训练时采样然后计算损失

bs, ba, br, bd, bns = replay_buffer.sample(n=args.batch_size)
bs = torch.tensor(bs, dtype=torch.float32)
ba = torch.tensor(ba, dtype=torch.long)
br = torch.tensor(br, dtype=torch.float32)
bd = torch.tensor(bd, dtype=torch.float32)
bns = torch.tensor(bns, dtype=torch.float32)loss = agent.compute_loss(bs, ba, br, bd, bns)
loss.backward()
optimizer.step()
optimizer.zero_grad()
http://www.tj-hxxt.cn/news/72324.html

相关文章:

  • 网站设计的步骤产品营销方案
  • 做的新网站到首页又下去了广州优化防控措施
  • wordpress在线考试信阳网站seo
  • 深圳市网站建设公司设计公司关键词优化如何
  • 先做网站先备案怎么进行推广
  • 怎么建设网站上海正规seo公司
  • 网站建设化妆品的目录今天的国内新闻
  • 电商网站的二级菜单怎么做免费企业网站管理系统
  • 网页怎么做成网站百度seo排名如何提升
  • dw网页制作教程完整版seo超级外链发布
  • 广东今科网站建设网络营销系统
  • 部门网站建设和维护百度竞价排名公式
  • 教务在线网站开发报告书网络舆情处理公司
  • dw 如何做自适应网站学校seo推广培训班
  • 网站维护中怎么解决国内免费ip地址
  • 简约大方自助建站模板百度地图导航
  • 大连手机自适应网站建设维护新手怎么入行seo
  • wordpress多站点必备插件图片外链上传网站
  • 广州市白云区建设局 网站国通快速建站
  • 牡丹江做网站建设站长工具大全集
  • 静安网站建设哪里有seo搜索引擎优化内容
  • 破解网站后台密码有人做吗门户网站有哪些
  • 众鱼深圳网站建设搜狗站长平台验证不了
  • 企业门户网站包括微指数查询
  • 河北手机响应式网站建设设计文案短句干净治愈
  • 有什么网站是做平面设计的郑州seo网络推广
  • cms门户网站模板下载创建属于自己的网站
  • 北京到信阳兰州seo优化
  • wordpress好用的主体seo建站的步骤
  • 商城网站制作 价格优化推广网站排名