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)
for ep in range(3):
state = env.reset()
for t in range(100):
env.render()
# 让model来帮我们根据现在的状态(state)来挑选动作(action)
action = model.act(state)
# env 的 step 功能其实还会返回下一个状态，奖励，是否完成任务
next_state, reward, done = env.step(action)
# 注意，下一个 t 中，我们给模型的状态要是一个新状态
state = next_state
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 )