CartPole

强化学习 DQN 实战GYM下的CartPole游戏

代码和解释安装依赖!pipuninstall-yparl#说明：AIStudio预装的parl版本太老，容易跟其他库产生兼容性冲突，建议先卸载!pipuninstall-ypandasscikit-learn#提示：在AIStudio中卸载这两个库再importparl可避免warning提示，不卸载也不影响parl的使用!pipinstallgym!pipinstallpaddlepaddle=
Xurui_Luo·2020-08-13 12:59

【Gym】CartPole-v0实验不显示CartPole（倒立摆）

环境系统：Ubuntu19.10gym：0.15.7问题在运行下列示例后：importgymenv=gym.make('CartPole-v0')env.reset()for_inrange(1000)
梦逸清尘·2020-08-13 12:38

CartPole

importnumpyasnpimporttensorflowastfimportgymenv=gym.make('CartPole-v0')xs,ys,drs=[],[],[]reward_sum=0episode_number
Neekity·2020-08-13 12:11

强化学习笔记（一）基于openAI gym CartPole-V0实现

强化学习笔记（一）基于openAIgymCartPole-V0实现一、基础定义一、基于openAIgymCartPole-V0实例学习1、游戏背景2、代码实现2.1测试CartPole环境中随机action
Kenneth_zf·2020-08-13 11:36

从零使用强化学习训练AI玩儿游戏(7)——使用DQN(TensorFlow)

我们选择CartPole这款游戏，在之前的Q-learning中我们有用过这款游戏，在Q-learning上效果非常的差。
蛋烘糕·2020-08-12 13:52

【深度强化学习】交叉熵方法

文章目录前言第四章交叉熵方法强化学习方法的分类实用的交叉熵交叉熵法实践：玩CartPole小游戏交叉熵的理论背景总结前言重读《DeepReinforcemnetLearningHands-on》，常读常新
B417科研笔记·2020-07-29 07:40

OpenAI Gym 经典控制环境介绍——CartPole（倒立摆）

摘要：OpenAIGym是一款用于研发和比较强化学习算法的工具包，本文主要介绍Gym仿真环境的功能和工具包的使用方法，并详细介绍其中的经典控制问题中的倒立摆（CartPole-v0/1）问题。
思绪无限·2020-07-16 05:33

Gym库入门

导入Gym库之后，可以通过make()函数来得到环境对象，每个环境都有一个ID，格式"Xxxx-vd"，d表示版本号，例如：env=gym.make('CartPole-v0')查看Gym库已经注册了哪些环境
Mikoyan333·2020-07-15 23:00

OpenAI Gym简介及配置

OpenAIGym包含的所有环境请参加官网，部分环境如下：CartPole-v0Pendulum-v0MountainCar-v0MountainCarContinuous-v0BipedalWalker-v2Humanoid-V1Riverraid-v0Breakou
半月夏微凉·2020-07-15 15:05

OpenAI Gym学习

上篇博客介绍了OpenAIGym、OpenAIGym与强化学习以及OpenAIGym的安装，接下来运行一个demo体验一下OpenAIGym这个平台，以CartPole（倒立摆）为例，在工作目录下建立一个
YongqiangGao·2020-07-15 00:02

PyTorch-21 强化学习 (DQN，Deep Q Learning) 教程

/studyai.com/pytorch-1.4/intermediate/reinforcement_q_learning.html本教程演示如何使用PyTorch在OpenAIGym的手推车连杆(CartPole-v0
ScorpioDoctor·2020-07-13 23:06

gym初级——初识gym环境（一）

描述从今天开始，有机会我会写一些有关强化学习的博客这一篇是关于gym环境的环境importgymenv=gym.make('CartPole-v0')env.reset()for_inrange(1000
绿竹巷人·2020-07-13 20:45

gym初级——初始gym环境（二）

描述接上一篇gym初级——初始gym环境（一）代码动作空间和状态空间的数据类型importgymenv=gym.make('CartPole-v0')print(env.action_space)print
绿竹巷人·2020-07-13 20:15

[停更]莫烦python强化学习中的'env = gym.make(CartPole-v0)'细究[停更]

文章目录1、找到文件'/gym/gym/envs/classic_control/cartpole.py’2、同级目录下查看'/gym/gym/envs/classic_control/__init__
方小汪·2020-07-12 12:33

Getting Started with Gym

将运行cartpole-v0环境的实例1000次，
段智华·2020-07-11 05:58

强化学习：gym环境的解读及使用

原文地址分类目录——强化学习本文全部代码以立火柴棒的环境为例效果如下获取环境env=gym.make('CartPole-v0')#定义使用gym库中的某一个环境，'CartPole-v0'可以改为其它环境
BBJG_001·2020-07-10 20:46

深度强化学习方法——策略梯度法

现在我们来看OpenAIGym中无法用标准列表法解决的车杆问题（cartpole）和新的深度强化学习方法——策略梯度（policygradients）。
人邮异步社区·2020-07-09 15:49

重温强化学习之强化学习模拟平台

tensorflowOpenaigym包含两个部分：1）gym开源：包含一个测试集，每个问题成为一个环境(environment)，可以用于自己的强化学习算法开发，环境有共享的接口，允许用户设计通用的算法，例如：Atari、CartPole
BUPT-WT·2020-07-06 03:43

强化学习经典算法笔记(十)：使用粒子群算法训练Policy智能体

强化学习经典算法笔记(十)：使用粒子群算法训练Policy智能体本文使用粒子群算法训练了一个小型Actor网络，共226个参数，完美解决了CartPole游戏。
赛艇队长·2020-07-04 17:26

（强化学习）DQN实战CartPole游戏

本文介绍强化学习中的一个经典算法——DQN（deepQnetwork），它于2013年在论文《PlayingAtariwithDeepReinforcementLearning》中首次出现，2015年，一篇发表在Nature的论文《Human-levelcontrolthroughdeepreinforcementlearning》又一次向人们证实了它在游戏中超出人类的表现，下面是对它的简单介绍和
zhangycode·2020-06-30 14:34

深度强化学习(DQN)实现CartPole

在本次实战中，我们不选择Atari游戏，而使用OpenAIGym中的传统增强学习任务之一CartPole作为练手的任务。之所以不选择Atari游戏，有两点原因：一个是训练Atari要很久，一个是
青梅煮酒BX·2020-06-30 02:44

强化学习：CartPole

欢迎加群：1012878218，一起学习、交流强化学习，里面会有关于深度学习、机器学习、强化学习的各种资料。强化学习（ReinforcementLearning），是机器学习的一个分支，解决连续策略问题。区别于无监督学习（如聚类，kmeans，自编码器）和有监督学习（分类和回归，CNN，RNN，LSTM），强化学习的目标变化不明确，不存在绝对的正确标签。强化学习主要包含几个概念：环境状态（Obse
三少Algorithm·2020-06-29 06:08

Deep Q Network控制openAI-gym Cartpole学习笔记

学习过程分为两个文件：run.py————导入强化学习模型和CartPole环境DQN.py————建立强化学习模型run.py代码原文importgymfromMy_DQNimportDQNenv=gym.make
TangMH_2020·2020-06-29 03:27

基于Policy Gradient实现CartPole

http://chenrudan.github.io/blog/2016/09/04/cartpole.html首页分类关于归档标签基于PolicyGradient实现CartPole发表于2016-09
weixin_33804990·2020-06-28 05:17

Deeplearning4j 实战 （9）：强化学习 -- Cartpole任务的训练和效果测试

EclipseDeeplearning4jGitChat课程：https://gitbook.cn/gitchat/column/5bfb6741ae0e5f436e35cd9fEclipseDeeplearning4j系列博客：https://blog.csdn.net/wangongxiEclipseDeeplearning4jGithub：https://github.com/eclipse
wangongxi·2020-06-27 13:14

OpenAI gym入门

OpenAIgym入门安装使用pip安装gym：pipinstallgym运行CartPole的环境来验证安装成功：importgymenv=gym.make('CartPole-v0')#环境导入env.reset
East196·2020-06-26 23:37

深度强化学习系列tensorflow2.0自定义loss函数实现policy gradient策略梯度

*Vt现在训练最高分能到193分，但是还是不稳定，在修改中，欢迎一起探讨文章代码也有参考莫烦大佬的代码action_dim=2//定义动作state_dim=4//定义状态env=gym.make('CartPole-v0
tqtaylor·2020-06-26 20:27

强化学习入门——使用DQN训练CartPole

作为刚入门强化学习的小白，最近几天在写一些基础的代码，使用DQN训练CartPole问题。
赵YN的csdn·2020-06-25 15:58

强化学习DQN算法实战之CartPole

简介这篇笔记主要是记录了DeepQ-LearningNetwork的开发过程。开发环境是：Ubuntu18.04、tensorflow-gpu1.13.1和OpenAIgym其中，这篇笔记记录了深度学习的开发环境。安装完成后，在虚拟环境执行pipinstallgym安装界面环境。强化学习的一个困难的地方，在于数据收集和环境描述。而OpenAI的gym给我们提供了一个非常强大的虚拟环境，这样我们就可
Erick_Lv·2020-06-25 10:38

策略梯度(Policy Gradient，PG)强化学习方法的实现代码及代码解读

仍然使用了OpenAIGym中的CartPole-v0游戏来作为我们算法应用。CartPole-v0游戏的介绍参见这里。
David-Chow·2020-06-25 01:37

强化学习基础第一个程序（建议在DQN跑CartPole之前）

本篇文章从经典CartPole控制出发，由浅入深，介绍强化学习入门程序。
茶花煮酒·2020-06-24 22:55

An introduction to Policy Gradients with Cartpole and Doom（四）

https://www.freecodecamp.org/news/an-introduction-to-policy-gradients-with-cartpole-and-doom-495b5ef2207f
mike112223·2020-06-24 14:11

DQN实现CartPole详细代码（适合新手）

参考网上的视频教学：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/4-3-DQN3/DQN虽然简单，但是实现起来其实也没有能够一通到底的通透，有时候回忆一下又要很长时间，所以参照网上的教学视频，把代码加了很多注释记录一下，方便今后快速回忆。注释写的可以说相当详细了，甚至很多是冗余的。这个
千千Sama·2020-06-24 08:09

OpenAI Gym构建自定义强化学习环境

提供一个站点（比如对于游戏cartpole-v0：https://gym.openai.com/envs/CartPole-v
extremebingo·2020-06-23 06:45

DQN 处理 CartPole 问题——使用强化学习，本质上是训练MLP，预测每一个动作的得分...

代码：#-*-coding:utf-8-*-importrandomimportgymimportnumpyasnpfromcollectionsimportdequefromkeras.modelsimportSequentialfromkeras.layersimportDensefromkeras.optimizersimportAdamfromkeras.utils.vis_utilsim
djph26741·2020-06-23 04:52

实现DQN算法玩CartPole

先安装tensorflow1.2版本和python3.6，接着安装：numpy-1.13.1+mkl-cp36-cp36m-win_amd64.whl的版本，这个是windows下的，如果linux下直接使用pipinstallnumpy就可以了。再接着安装scipy版本，也是windows10下64位版本：scipy-0.19.1-cp36-cp36m-win_amd64.whl下载这些文件是通
caimouse·2020-06-22 19:49

强化学习算法 DQN 解决 CartPole 问题，代码逐条详解

本文内容源自百度强化学习7日入门课程学习整理感谢百度PARL团队李科浇老师的课程讲解强化学习算法DQN解决CartPole问题，移动小车使得车上的摆杆保持直立。
AItrust·2020-06-21 06:49

强化学习算法 Policy Gradient 解决 CartPole 问题，代码逐条详解

本文内容源自百度强化学习7日入门课程学习整理感谢百度PARL团队李科浇老师的课程讲解强化学习算法DQN解决CartPole问题，移动小车使得车上的摆杆保持直立。
AItrust·2020-06-21 06:49

PyTorch-21 强化学习 (DQN，Deep Q Learning) 教程

/studyai.com/pytorch-1.4/intermediate/reinforcement_q_learning.html本教程演示如何使用PyTorch在OpenAIGym的手推车连杆(CartPole-v0
人工智能学社·2020-03-12 06:04

Policy Gradient CartPole-v0

这是我使用PolicyGradient来解决CartPole-v0任务的一个总结，参考了莫烦博客，AndrejKarpathy博客及其翻译版，建议先看懂AndrejKapathy的博客中关于PolicyGradient
ciferlv·2019-12-17 05:25

深度强化学习（四）：DQN的拓展和改进

importgymenv=gym.make("CartPole-v1")observation=env.reset()for_inrange(1000):env.render()action=env.action_s
fromeast·2019-12-11 16:43

强化学习快餐教程(3) - 一条命令搞定atari游戏

强化学习快餐教程(3)-一条命令搞定atari游戏通过上节的例子，我们试验出来，就算是像cartpole这样让一个杆子不倒这样的小模型，都不是特别容易搞定的。
lusing·2019-10-04 01:49

系统学习深度学习（三十七）--A3C

转自：https://www.cnblogs.com/pinard/p/10334127.html1.A3C的引入上一篇Actor-Critic算法的代码，其实很难收敛，无论怎么调参，最后的CartPole
Eason.wxd·2019-06-16 19:29

系统学习深度学习（三十一）--Nature DQN(NIPS 2015)

//www.cnblogs.com/pinard/p/9756075.html1.DQN(NIPS2013)的问题在上一篇我们已经讨论了DQN(NIPS2013)的算法原理和代码实现，虽然它可以训练像CartPole
Eason.wxd·2019-06-16 13:46

深度强化学习研究笔记（3）——Deep Q-Network（DQN）（DQN问题引入，建模，一个Python小例子）

文章目录1.深度强化学习（DeepQ-Network，DQN）问题引入2.问题建模3.算法描述4.DQN玩CartPole游戏示例4.1游戏接口定义4.2网络结构4.3网络训练4.4动作选择（$\varepsilon
越野者·2019-03-26 01:10

深度强化学习Deep Q-Network（DQN）玩CartPole游戏源码运行笔记（Pinard版本）

1.运行环境介绍NVIDIAGTX1070Ubuntu16.04x64CUDA8.0.61cuDNN5.1Python3.4TensorFlow1.2.0gym（gym-0.12.0.tar.gz）2.准备下载源码（单文件源码）并存放在自己指定的文件夹中，地址：https://github.com/ljpzzz/machinelearning/blob/master/reinforcement-l
越野者·2019-03-24 19:20

深度强化学习Deep Q-Network（DQN）玩CartPole游戏源码运行笔记

1.运行环境介绍NVIDIAGTX1070Ubuntu16.04x64CUDA8.0.61cuDNN5.1Python3.4TensorFlow1.2.0Keras2.2.4（Keras-2.2.4-py2.py3-none-any.whl）OpenCV3.1.0forPython3.4（opencv-3.1.0-np111py34_1.tar.bz2）gym（gym-0.12.0.tar.gz）
越野者·2019-03-18 08:02

gym 介绍

OpenAIGym服务：提供一个站点（比如对于游戏cartpole-v0：https://gym.openai.com/envs/CartPole-v0）和api，允许用户对他们的测试结果进行比
博士伦2014·2019-03-09 09:25

TensorFlow 2.0深度强化学习指南

在本教程中，我将通过实施AdvantageActor-Critic(演员-评论家，A2C)代理来解决经典的CartPole-v0环境，通过深度强化学习（DRL）展示即将推出的TensorFlow2.0特性
云栖社区v·2019-02-01 23:47

TensorFlow 2.0深度强化学习指南

在本教程中，我将通过实施AdvantageActor-Critic(演员-评论家，A2C)代理来解决经典的CartPole-v0环境，通过深度强化学习（DRL）展示即将推出的TensorFlow2.0特性
阿里云云栖社区·2019-01-28 00:00
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他