当前位置: 首页 > news >正文

做网站用框架么网站安全建设进展情况汇报

做网站用框架么,网站安全建设进展情况汇报,工业设计公司收费标准,计算机网络技术是学什么gym版本是0.26.1 CartPole-v1的详细信息,点链接里看就行了。 修改了下动手深度强化学习对应的代码。 然后这里 J ( θ ) J(\theta) J(θ)梯度上升更新的公式是用的不严谨的,这个和王树森书里讲的严谨公式有点区别。 代码 import gym import torch from …

gym版本是0.26.1
CartPole-v1的详细信息,点链接里看就行了。
修改了下动手深度强化学习对应的代码。

然后这里 J ( θ ) J(\theta) J(θ)梯度上升更新的公式是用的不严谨的,这个和王树森书里讲的严谨公式有点区别。

代码

import gym
import torch
from torch import nn
from torch.nn import functional as F
import numpy as np
import matplotlib.pyplot as plt
from tqdm import tqdm
import rl_utils # 这个要下载源码,然后放到同个文件目录下,链接在上面给出了
from d2l import torch as d2l # 这个是动手深度学习的库, pip/conda install d2l 就好了class PolicyNet(nn.Module):def __init__(self, state_dim, hidden_dim, action_dim):super().__init__()self.fc1 = nn.Linear(state_dim, hidden_dim)self.fc2 = nn.Linear(hidden_dim, action_dim)def forward(self, X):X = F.relu(self.fc1(X))return F.softmax(self.fc2(X),dim=1)class REINFORCE:def __init__(self, state_dim, hidden_dim, action_dim, learning_rate, gamma, device):self.policy_net = PolicyNet(state_dim, hidden_dim, action_dim).to(device)self.optimizer = torch.optim.Adam(self.policy_net.parameters(), lr = learning_rate)self.gamma = gamma # 折扣因子self.device = devicedef take_action(self, state): # 根据动作概率分布随机采样state = torch.tensor(np.array([state]),dtype=torch.float).to(self.device)probs = self.policy_net(state)action_dist = torch.distributions.Categorical(probs)action = action_dist.sample()return action.item()def update(self, transition_dict):  # 公式用的是简化推导reward_list = transition_dict['rewards']state_list = transition_dict['states']action_list = transition_dict['actions']G = 0self.optimizer.zero_grad()for i in reversed(range(len(reward_list))):  # 从最后一步算起reward = reward_list[i]state = torch.tensor(np.array([state_list[i]]), dtype=torch.float).to(self.device)action = torch.tensor([action_list[i]]).reshape(-1,1).to(self.device)log_prob = torch.log(self.policy_net(state).gather(1, action))G = self.gamma * G + reward loss = -log_prob * G  # 因为梯度更新是减的,所以取个负号loss.backward()self.optimizer.step()
lr = 1e-3
num_episodes = 1000
hidden_dim = 128
gamma = 0.98
device = d2l.try_gpu()env_name="CartPole-v1"
env = gym.make(env_name)
print(f"_max_episode_steps:{env._max_episode_steps}")
torch.manual_seed(0)
state_dim = env.observation_space.shape[0]
action_dim = env.action_space.nagent = REINFORCE(state_dim, hidden_dim, action_dim, lr, gamma, device)
return_list = []
for i in range(10):with tqdm(total=int(num_episodes/10), desc=f'Iteration {i}') as pbar:for i_episode in range(int(num_episodes/10)):episode_return = 0transition_dict = {'states': [], 'actions': [], 'next_states': [], 'rewards': [], 'dones': []}state = env.reset()[0]done, truncated= False, Falsewhile not done and not truncated :  # 主要是这部分和原始的有点不同action = agent.take_action(state)next_state, reward, done, truncated, info = env.step(action)transition_dict['states'].append(state)transition_dict['actions'].append(action)transition_dict['next_states'].append(next_state)transition_dict['rewards'].append(reward)transition_dict['dones'].append(done)state = next_stateepisode_return += rewardreturn_list.append(episode_return)agent.update(transition_dict)if (i_episode+1) % 10 == 0:pbar.set_postfix({'episode': '%d' % (num_episodes / 10 * i + i_episode+1), 'return': '%.3f' % np.mean(return_list[-10:])})pbar.update(1)episodes_list = list(range(len(return_list)))
plt.plot(episodes_list, return_list)
plt.xlabel('Episodes')
plt.ylabel('Returns')
plt.title(f'REINFORCE on {env_name}')
plt.show()mv_return = rl_utils.moving_average(return_list, 9)
plt.plot(episodes_list, mv_return)
plt.xlabel('Episodes')
plt.ylabel('Returns')
plt.title(f'REINFORCE on {env_name}')
plt.show()

我是在jupyter里直接跑的,结果如下所示。

http://www.15wanjia.com/news/184145.html

相关文章:

  • 建筑工程包括哪些项目做优化网站哪个公司好
  • 网站模板建设做logo什么网站
  • wordpress学做网站织梦网站怎么做备份
  • 番禺网站建设怎么样阿里云个人备案可以做企业网站
  • php网站开发专业介绍网站建立具体步骤是
  • 韩国站群服务器wordpress免代码分享到
  • 做企业网站市场分析网站快速优化排名软件
  • 西安可以做网站的农产品营销策划方案
  • 下载深圳app搜索引擎优化的概念是什么
  • 深圳网站建设收费网站域名地址是什么
  • 宁波网站建设公司费用价格做游戏直播那个网站
  • 淘宝网站咋做做网站的素材哪里找的
  • php家具网站模版wordpress uncode
  • 湖北网站建设平台网站建设 税种
  • 猎头用什么网站做单免费建网站最新视频教程
  • ai国外教程网站商城网站建设运营方案
  • 水果网站模版做网站的如何说服客户
  • 众筹网站开发成本沈阳建站经验
  • 网站建设做网站费用网页版html编辑器
  • 如皋市建设局网站vue 做的网站
  • 自己做的网站百度收索不到网站公司利润
  • 网站开发不用jsp微信做网站网站
  • 凡科建站怎么保存网站上海地产网站建
  • 网页游戏排行榜前十2023百度竞价推广账户优化
  • 网站宣传方案室内设计学校排名榜
  • 天河建网站的公司广州励网网站建设网络公司
  • 重庆专业的网站建设公司电子商务平台经营者向平台内经营者收取费用
  • 诸暨企业网站建设17网站一起做网店普
  • 聊城做网站比较不错的公司indesign做网站
  • 青岛做外贸网站建设广安住房和城乡建设厅网站