- 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?
在尝试制作一个 RL 代理几天后,我终于成功地创造了它的体验,但是当我尝试训练它时,我得到了这个错误。我已经尽我所能:不同的经验,改变了步骤参数......我只是没有想法。
import pyxinput
import time
import cv2
from PIL import ImageGrab
import numpy as np
import keyboard
import tensorflow
import tf_agents
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import torch
#from tf_agents.networks import actor_distribution_networ
from tf_agents.policies import random_py_policy
Tensod_spec = tf_agents.specs.BoundedArraySpec(
(15,),
dtype=np.float32,
name="XimputSpecs",
minimum=[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
maximum=[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
)
Tensod_spec2 = tf_agents.specs.TensorSpec(
[440, 600, 1], dtype=tf.int32, name="ScreenSpecs"
)
Tensor_reward_spe = tf_agents.specs.TensorSpec(
[1, 1], dtype=tf.int32, name="Reward"
)
FromEnv = tf_agents.specs.BoundedTensorSpec(
shape=(440, 600, 1),
dtype='uint8',
name='observation',
minimum=0,
maximum=255
)
FromEnv2 = tf_agents.specs.BoundedTensorSpec(
shape=(1, 440, 600, 1),
dtype=tf.int32,
name='observation',
minimum=0,
maximum=255
)
fullscreen = [110, 130, 710, 570]
screenpil = ImageGrab.grab(bbox=fullscreen)
showprint = np.array(screenpil)
grayscreen = cv2.cvtColor(showprint, cv2.COLOR_BGR2GRAY)
screenrect = cv2.cvtColor(grayscreen, cv2.COLOR_GRAY2BGR)
grayscreen = grayscreen.reshape(440, 600, 1)
time_step_spec2 = tf_agents.trajectories.time_step.time_step_spec(
observation_spec=FromEnv,
#reward_spec = Tensor_reward_spec
)
time_step_spec = tf_agents.trajectories.time_step.time_step_spec(
observation_spec=FromEnv,
#reward_spec = Tensor_reward_spec
)
actor_net = tf_agents.networks.actor_distribution_network.ActorDistributionNetwork(
input_tensor_spec=FromEnv,
output_tensor_spec=tf_agents.specs.tensor_spec.from_spec(Tensod_spec),
activation_fn='relu',
#conv_layer_params=[(25, 40, 2)],
fc_layer_params=(50, 25, 15),
#dtype='int32'
)
print(actor_net)
train_step_counter = tf.dtypes.cast(1, tf.int32)
optimizer = tf.keras.optimizers.Adam(learning_rate=0.003)
tf_agent = tf_agents.agents.ReinforceAgent(
time_step_spec=time_step_spec,
action_spec=tf_agents.specs.tensor_spec.from_spec(Tensod_spec),
actor_network=actor_net,
optimizer=optimizer,
normalize_returns=True,
#train_step_counter=tf.Variable(1, name="global_step")
)
tf_agent.initialize()
grayscreen2 = grayscreen
grayscreen2 = grayscreen2.reshape(1, 440, 600, 1)
time_step2 = tf_agents.trajectories.time_step.TimeStep(
step_type=tf_agents.trajectories.time_step.StepType.FIRST,
reward=tf.dtypes.cast(1, tf.float32),
discount=tf.dtypes.cast(1, tf.float32),
observation=grayscreen2
)
policy_state = tf_agent.policy.get_initial_state(batch_size=1)
policy_step = tf_agent.policy.action(time_step2, policy_state)
print(policy_step)
observe = time_step2.observation
#print(observe.dtype)
#observe = observe.astype(int)
#print(observe.shape)
experience = tf_agents.trajectories.trajectory.Trajectory(
action=tf.compat.v2.Variable([
tf.compat.v2.Variable(policy_step.action),
tf.compat.v2.Variable(policy_step.action),
tf.compat.v2.Variable(policy_step.action)
]),
reward=tf.compat.v2.Variable([[
tf.compat.v2.Variable(time_step2.reward),
tf.compat.v2.Variable(time_step2.reward),
tf.compat.v2.Variable(time_step2.reward)
]]),
step_type=tf.compat.v2.Variable([[
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.FIRST),
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.MID),
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.LAST)
]]),
observation=tf.compat.v2.Variable([
tf.compat.v2.Variable(observe),
tf.compat.v2.Variable(observe),
tf.compat.v2.Variable(observe)
]),
policy_info=tf_agent.policy.info_spec,
next_step_type=tf.compat.v2.Variable([[
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.MID),
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.LAST),
tf.compat.v2.Variable(tf_agents.trajectories.time_step.StepType.LAST)
]]),
discount=tf.compat.v2.Variable([[
tf.dtypes.cast(1, tf.float32),
tf.dtypes.cast(1, tf.float32),
tf.dtypes.cast(1, tf.float32)
]]),
)
train_loss = tf_agent.train(experience)
print(train_loss)
我得到这个错误:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-15-4dd3966a32b6> in <module>
1 #
----> 2 train_loss = tf_agent.train(experience)
3 print(train_loss)
~\AppData\Local\Programs\Python\Python38\lib\site-packages\tf_agents\agents\tf_agent.py in train(self, experience, weights, **kwargs)
516
517 if self._enable_functions:
--> 518 loss_info = self._train_fn(
519 experience=experience, weights=weights, **kwargs)
520 else:
~\AppData\Local\Programs\Python\Python38\lib\site-packages\tf_agents\utils\common.py in with_check_resource_vars(*fn_args, **fn_kwargs)
183 # We're either in eager mode or in tf.function mode (no in-between); so
184 # autodep-like behavior is already expected of fn.
--> 185 return fn(*fn_args, **fn_kwargs)
186 if not resource_variables_enabled():
187 raise RuntimeError(MISSING_RESOURCE_VARIABLES_ERROR)
~\AppData\Local\Programs\Python\Python38\lib\site-packages\tf_agents\agents\reinforce\reinforce_agent.py in _train(self, experience, weights)
286 self.train_step_counter)
287
--> 288 self._optimizer.apply_gradients(
289 grads_and_vars, global_step=0)
290
TypeError: apply_gradients() got an unexpected keyword argument 'global_step'
这个全局步骤是什么,这个错误来自哪里?为什么我不能训练我的代理人?
最佳答案
您应该尝试使用不同的优化器。那些在tf.keras.optimizer
不要拿global_steps
作为 apply_gradients
中的参数功能。
相反,使用这些来自 tf.compat.v1.train
,例如,
optimizer = tf.compat.v1.train.AdamOptimizer(learn_rate=0.003)
请注意,这通过了运行时检查,但它使训练无法完成。
global_step
应该带一个
Variable
它的值将是
+1
当
apply_gradients
叫做。但是,在这里您会看到
global_step=0
通过使其根本没有效果。
train_step_counter
您在上面定义的将保留
0
.
关于python - 类型错误:apply_gradients() 得到一个意外的关键字参数 'global_step',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67014270/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!