Слияние кода завершено, страница обновится автоматически
from env import ArmEnv
from rl import DDPG
env = ArmEnv(n_arms=2)
model = DDPG(env.action_dim, env.state_dim, env.action_bound)
# 拿最初的状态
state = env.reset()
# 选动作
action = model.act(state)
print(action)
# 做动作并得到下一个状态与得分
next_state, reward, done = env.step(action)
# 存储这一系列的信息，后面要从这些信息中学习
model.store_transition(state, action, reward, next_state)
# 从收集的所有学习资料中学习一次
model.learn()
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )