Obecnie próbuję zmusić ANN do grania w grę wideo i liczyłem na pomoc od wspaniałej społeczności tutaj. Zdecydowałem się na Diablo 2. Gra toczy się więc w czasie rzeczywistym iz izometrycznego punktu widzenia, a gracz kontroluje jednego awatara, na którym skupiona jest kamera. Aby było...
Jaka jest różnica między iteracją polityki a iteracją wartości w uczeniu się przez wzmacnianie ? O ile rozumiem, w iteracji wartości używasz równania Bellmana do rozwiązania optymalnej polityki, podczas gdy w iteracji polityki wybierasz losowo politykę π i znajdujesz nagrodę za tę politykę....
Próbuję odtworzyć bardzo prosty przykład zasady Gradient, z jego bloga źródłowego blogu Andreja Karpathy'ego . W tym artykule znajdziesz przykład z CartPole i Policy Gradient z listą masy i aktywacją Softmax. Oto mój odtworzony i bardzo prosty przykład gradientu zasad CartPole, który działa...
Próbuję wdrożyć model DQL w jednej grze na siłowni openAI. Ale daje mi następujący błąd. Błąd typu: len nie jest dobrze zdefiniowany dla symbolicznych Tensorów. (aktywacja_3 / Tożsamość: 0) Zadzwoń x.shapezamiast len(x) informacji o kształcie. Tworzenie środowiska na siłowni: ENV_NAME =...