Я пытаюсь понять код пони Карпати в Python, объясненный здесь: Пон Карпати # forward the policy...

Я проходил этот учебник и увидел следующий фрагмент кода: # Calculate score to determine when the...

Я получаю следующую ошибку в терминале: Traceback (most recent call last): File...

Я пытаюсь реализовать собственную реализацию алгоритма Advantage Actor Critic, используя тензор...

Я пытаюсь реализовать бумагу DeepMimic, но застрял на настройке.Как изменить последнюю часть...

базовый вопрос скорее относится к математике и реализации, поэтому приведенная ниже часть обучения...

Я использую многопроцессорный модуль pytorch для генерации опыта и сохранения его в объекте manager

Я планирую обучить агента Mario играть самостоятельно, используя DQN.Но я также хочу иметь...

Я создал простую нейронную сеть с pytorch, предназначенную для расчета движений юнитов внутри сетки

У меня есть несколько вопросов об обучении нейронной сети с использованием обучения с подкреплением...

Я внедряю PPO с GAE в качестве преимуществ.В следующем коде я вычисляю GAE и возвращаю его в...

Я потратил недели на то, чтобы заставить модель обучения подкрепления актера-критика работать в...

Мой вопрос следует за моим исследованием кода в учебнике по PyTorch DQN, но затем относится к...

Я использую тренажерный зал Open AI и марио-код Кристиана Каутена, чтобы научить его играть самому

Я разработал небольшое упражнение для обучения.Проблема в том, что после возобновления тренировки...

Я пытаюсь настроить проект обучения с подкреплением, используя Gym & kears_rl. Описание: Учитывая...

В играх atari по умолчанию используется «периодическая политика» в A2C?Я обнаружил, что трудно...

Я изучал tenorflow и rl в течение нескольких месяцев, и в течение последних нескольких дней я...

Я нахожусь в процессе реализации модели DQN с нуля в PyTorch с целевой средой Atari Pong.После...

Учитывая, что среда OpenAI Gym MountainCar-v0 ВСЕГДА возвращает -1.0 в качестве награды (даже когда...

Я реализую и основываюсь на воспроизведении опыта на жестких дисках (Reinforcement Learning) в...

Я перебираю эту статью: Оптимизация размещения устройства с обучением усилению , и я проверяю...

Я пытаюсь реализовать A2C с Lasagne + Theano (Python), чтобы решить стандартные проблемы с...

Я пытаюсь реализовать градиент политики для проблемы контекстного бандита (https://medium

Таким образом, последний поток, который я написал о Reinforcement Learning, был отмечен как слишком...