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.