开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-09
详细说明：优势加权回归（AWR）
论文附带的代码：“优势加权回归：简单而可扩展的非政策强化学习”。 该框架提供了AWR的实现，并支持在标准OpenAI Gym环境中运行实验。
项目页面： :
入门
安装要求：
pip install -r requirements.txt
而且应该很好。
训练模式
要训练策略，请运行以下命令：
python run.py --env HalfCheetah-v2 --max_iter 20000 --visualize
HalfCheetah-v2可以用其他环境替换。
--max_iter指定训练迭代的最大次数。
--visualize启用可视化，并且可以通过删除标志来禁用渲染。
默认情况下，日志和模型将保存到output/目录。 但是输出目录也可以使用--output_dir [output-directory]指定。
加载模型
要加载经
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
