当前位置: 首页>>代码示例>>Python>>正文


Python Agent.update_model方法代码示例

本文整理汇总了Python中agent.Agent.update_model方法的典型用法代码示例。如果您正苦于以下问题:Python Agent.update_model方法的具体用法?Python Agent.update_model怎么用?Python Agent.update_model使用的例子?那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在agent.Agent的用法示例。


在下文中一共展示了Agent.update_model方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: main

# 需要导入模块: from agent import Agent [as 别名]
# 或者: from agent.Agent import update_model [as 别名]
def main(args):
    env = gym.make('Pendulum-v0').unwrapped
    agent = Agent(env, args)
    reward_history = []
    start_time = time.time()
    # main loop
    for ep in range(args.max_ep):
        buffer_s, buffer_a, buffer_r = [], [], []
        s = env.reset()
        ep_reward = 0
        for t in range(args.ep_len):
            # env.render()
            a = agent.sample_action(s)
            next_s, r, done, _ = env.step(a)
            buffer_s.append(s)
            buffer_a.append(a)
            buffer_r.append((r + 8) / 8)
            s = next_s
            ep_reward += r

            # update agent
            if (t + 1) % args.batch_size == 0 or t == args.ep_len - 1:
                next_s_value = agent.get_value(next_s)
                #  calculate discounted rewards
                discounted_r = []
                for r in buffer_r[::-1]:
                    next_s_value = r + args.gamma * next_s_value
                    discounted_r.append(next_s_value)
                discounted_r.reverse()
                b_s = np.vstack(buffer_s)
                b_a = np.vstack(buffer_a)
                b_r = np.asarray(discounted_r)[:, np.newaxis]
                buffer_s, buffer_a, buffer_r = [], [], []
                agent.update_model(b_s, b_a, b_r)

        if ep == 0:
            reward_history.append(ep_reward)
        else:
            reward_history.append(reward_history[-1] * 0.99 + ep_reward * 0.01)

        print('Ep %d  reward: %d' % (ep, ep_reward))

    print('train finished. time cost: %.4fs' % (time.time() - start_time))
    plt.plot(np.arange(len(reward_history)), reward_history)
    plt.xlabel('Episode')
    plt.ylabel('Moving averaged episode reward')
    plt.savefig('result.png')
开发者ID:Funitus,项目名称:reinforce_py,代码行数:49,代码来源:train_PPO.py


注:本文中的agent.Agent.update_model方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。