- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我是强化学习的初学者,正在尝试实现策略梯度方法来使用 Tensorflow 解决 Open AI Gym CartPole 任务。然而,我的代码似乎运行得非常慢;第一集的运行速度还可以,但是从第二集开始就很慢。为什么会这样,如何解决这个问题?
我的代码:
import tensorflow as tf
import numpy as np
import gym
env = gym.make('CartPole-v0')
class Policy:
def __init__(self):
self.input_layer_fake = tf.placeholder(tf.float32, [4,1])
self.input_layer = tf.reshape(self.input_layer_fake, [1,4])
self.dense1 = tf.layers.dense(inputs = self.input_layer, units = 4,
activation = tf.nn.relu)
self.logits = tf.layers.dense(inputs = self.dense1, units = 2,
activation = tf.nn.relu)
def predict(self, inputObservation):
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
x = tf.reshape(inputObservation, [4,1]).eval()
return (sess.run(self.logits, feed_dict = {self.input_layer_fake: x}))
def train(self, features_array, labels_array):
for i in range(np.shape(features_array)[0]):
print("train")
print(i)
sess1 = tf.InteractiveSession()
tf.global_variables_initializer().run()
self.cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels = labels_array[i], logits = self.logits))
self.train_step = tf.train.GradientDescentOptimizer(0.5).minimize(self.cross_entropy)
y = tf.reshape(features_array[i], [4,1]).eval()
sess1.run(self.train_step, feed_dict={self.input_layer_fake:y})
agent = Policy()
train_array = []
features_array = []
labels_array = []
main_sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for i_episode in range(100):
observation = env.reset()
for t in range(200):
prevObservation = observation
env.render()
if np.random.uniform(0,1) < 0.2:
action = env.action_space.sample()
else:
action = np.argmax(agent.predict((prevObservation)))
observation, reward, done, info = env.step(action)
add_in = np.random.uniform(0,1)
if add_in < 0.5:
features_array.append(prevObservation)
sarPreprocessed = agent.predict(prevObservation)
sarPreprocessed[0][action] = reward
labels_array.append(sarPreprocessed)
if done:
break
agent.train(features_array, labels_array)
features_array = []
labels_array = []
非常感谢任何帮助。
最佳答案
自从我尝试实现策略梯度以来,已经有一段时间了,但据我所知,问题是我在训练函数中使用了循环。
当我循环遍历 features_array
中的每个元素时,数组本身的长度不断增长(features_array
永远不会设置回 []
),程序变慢。相反,我应该以“批量”方式进行训练,同时定期清除 features_array
。
我在这里实现了一个更简洁的普通策略梯度算法版本: https://github.com/Ashboy64/rl-reimplementations/blob/master/Reimplementations/Vanilla-Policy-Gradient/vanilla_pg.py
可以在此处找到名为 PPO(近端策略优化)的性能更好的修改算法(仍然基于策略梯度)的实现: https://github.com/Ashboy64/rl-reimplementations/tree/master/Reimplementations/PPO
关于python - Open AI Gym Cartpole 的策略梯度方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46597809/
我想了解 Ruby 方法 methods() 是如何工作的。 我尝试使用“ruby 方法”在 Google 上搜索,但这不是我需要的。 我也看过 ruby-doc.org,但我没有找到这种方法。
Test 方法 对指定的字符串执行一个正则表达式搜索,并返回一个 Boolean 值指示是否找到匹配的模式。 object.Test(string) 参数 object 必选项。总是一个
Replace 方法 替换在正则表达式查找中找到的文本。 object.Replace(string1, string2) 参数 object 必选项。总是一个 RegExp 对象的名称。
Raise 方法 生成运行时错误 object.Raise(number, source, description, helpfile, helpcontext) 参数 object 应为
Execute 方法 对指定的字符串执行正则表达式搜索。 object.Execute(string) 参数 object 必选项。总是一个 RegExp 对象的名称。 string
Clear 方法 清除 Err 对象的所有属性设置。 object.Clear object 应为 Err 对象的名称。 说明 在错误处理后,使用 Clear 显式地清除 Err 对象。此
CopyFile 方法 将一个或多个文件从某位置复制到另一位置。 object.CopyFile source, destination[, overwrite] 参数 object 必选
Copy 方法 将指定的文件或文件夹从某位置复制到另一位置。 object.Copy destination[, overwrite] 参数 object 必选项。应为 File 或 F
Close 方法 关闭打开的 TextStream 文件。 object.Close object 应为 TextStream 对象的名称。 说明 下面例子举例说明如何使用 Close 方
BuildPath 方法 向现有路径后添加名称。 object.BuildPath(path, name) 参数 object 必选项。应为 FileSystemObject 对象的名称
GetFolder 方法 返回与指定的路径中某文件夹相应的 Folder 对象。 object.GetFolder(folderspec) 参数 object 必选项。应为 FileSy
GetFileName 方法 返回指定路径(不是指定驱动器路径部分)的最后一个文件或文件夹。 object.GetFileName(pathspec) 参数 object 必选项。应为
GetFile 方法 返回与指定路径中某文件相应的 File 对象。 object.GetFile(filespec) 参数 object 必选项。应为 FileSystemObject
GetExtensionName 方法 返回字符串,该字符串包含路径最后一个组成部分的扩展名。 object.GetExtensionName(path) 参数 object 必选项。应
GetDriveName 方法 返回包含指定路径中驱动器名的字符串。 object.GetDriveName(path) 参数 object 必选项。应为 FileSystemObjec
GetDrive 方法 返回与指定的路径中驱动器相对应的 Drive 对象。 object.GetDrive drivespec 参数 object 必选项。应为 FileSystemO
GetBaseName 方法 返回字符串,其中包含文件的基本名 (不带扩展名), 或者提供的路径说明中的文件夹。 object.GetBaseName(path) 参数 object 必
GetAbsolutePathName 方法 从提供的指定路径中返回完整且含义明确的路径。 object.GetAbsolutePathName(pathspec) 参数 object
FolderExists 方法 如果指定的文件夹存在,则返回 True;否则返回 False。 object.FolderExists(folderspec) 参数 object 必选项
FileExists 方法 如果指定的文件存在返回 True;否则返回 False。 object.FileExists(filespec) 参数 object 必选项。应为 FileS
我是一名优秀的程序员,十分优秀!