deep-q-learning:张量流中的DQN，DDQN，决斗DQN实现

Python

深度Q学习在OpenAI Gym上测试了具有基本或双重q-learning训练算法的深度q-networn，对决q-network的实现。先决条件该项目是使用Python 3.5和Tensorflow（通过tensorflow-gpu 1.2.1测试）实现的。可用的环境来自OpenAi Gym。要安装健身房，请访问。要工作需要来自atari_wrappers.py 训练网络使用train.py模块执行网络培训。它要求将要学习的体育馆环境作为参数。可选地，可以指定要使用的网络类型和学习算法。可以使用--checkpoint参数提供网络权重，使用--training_info参数提供培训状态（例如，当前步骤，总步骤，体验重播缓冲区数据）从检查点重新开始培训。通过使用--checkpoint_step，可以指定保存检查点的步骤数。 python train.py --

文件下载

资源详情

[{"title":"（ 6 个子文件 9KB ） deep-q-learning:张量流中的DQN，DDQN，决斗DQN实现","children":[{"title":"deep-q-learning-master","children":[{"title":"test.py 3.09KB ","children":null,"spread":false},{"title":"train.py 6.72KB ","children":null,"spread":false},{"title":"dqn.py 5.02KB ","children":null,"spread":false},{"title":"util.py 3.71KB ","children":null,"spread":false},{"title":".gitignore 32B ","children":null,"spread":false},{"title":"README.md 2.47KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

deep-q-learning:张量流中的DQN，DDQN，决斗DQN实现

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载