Слияние кода завершено, страница обновится автоматически
from env import ArmEnv
from rl import DDPG
arms = 3
env = ArmEnv(n_arms=arms, random_goal=True)
model = DDPG(env.action_dim, env.state_dim, env.action_bound)
for ep in range(701):
state = env.reset()
for t in range(100):
env.render()
action = model.act(state)
next_state, reward, done = env.step(action)
print("{}回合,{}步,奖励={}, {}".format(ep, t, reward, "完成目标" if done else ""))
model.store_transition(state, action, reward, next_state)
model.learn()
model.save_weights("models/{}arms/ep{}".format(arms, ep))
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 )