注意:我看到了这篇相关文章,但我不知道我能否使用其中的答案来解决我的问题。
我尝试使用Keras进行简单回归。为此,我创建了一个简单的policy_network()
函数,该函数返回模型。
def policy_network():
model = Sequential()
model.add(MaxPooling2D(pool_size=(4, 4),input_shape=[64,64,3]))
model.add(Flatten())
model.add(Dense(1, kernel_initializer='normal', activation='linear'))
model.compile(loss='mean_squared_error',
optimizer=Adam(lr=learning_rate),
metrics=['mean_squared_error'])
return model
我也定义了一个全局变量
policy_network
。我使用以下分配。policy_network = policy_network().fit(images, actions,
batch_size=256,
epochs=10,
shuffle=True)
但是当我调用时
action = policy_network.predict(image)
我遇到了一个AttributeError错误:'History'对象没有'predict'属性。