我正在尝试在OpenAI gym的一个游戏上实现DQL模型。但是它给了我以下错误。 TypeError: 对于符号张量，len未定义。 (activation_3/Identity:0) 请调用 x.shape 而不是 len(x) 获取形状信息。 创建gym环境：ENV_...

我创建了一个演员评论家模型来测试一些OpenAI gym环境。然而，在某些环境中，我遇到了问题。 CartPole: 该模型最终会收敛并获得最大奖励。然而，由于某种原因，如果我只使用策略梯度方法而不是值函数/优势，它会更快地收敛。 MountainCar、Acrobot: 这两个模型具有负...

编辑：以下内容似乎也适用于FrozenLake-v0。请注意，我对简单的Q-learning不感兴趣，因为我想看到适用于连续观测空间的解决方案。 最近我创建了banana_gym OpenAI环境。情景如下： 你有一根香蕉。它必须在两天内出售，因为第三天会变坏。你可以选择价格x，但香蕉只有...

编辑（1/3/16）：相应的github问题 我正在使用Tensorflow（Python界面）来实现使用随机梯度下降训练的函数逼近的q-learning代理。 在实验的每个迭代中，代理中的步骤函数被调用，该函数根据新的奖励和激活更新逼近器的参数，然后选择执行新动作。 以下是问题（使用强...

什么是进化计算？它是一种强化学习方法吗？还是一种独立的机器学习方法？或者可能都不是？ 请引用回答这个问题所使用的参考资料。

这段代码的流程如下：我的机器人拍摄一张照片，一些tf计算机视觉模型会计算目标物体在照片中的起始位置。这些信息（x1和x2坐标）传递给一个pytorch模型。该模型应该学习预测正确的电机激活，以便更接近目标。执行移动后，机器人再次拍照，tf计算机视觉模型应该计算出电机激活是否将机器人带到了期望状...

深度确定性策略梯度（DDPG）是强化学习中针对连续动作空间的最先进方法。它的核心算法是确定性策略梯度。 然而，经过阅读论文和听取讲座（http://techtalks.tv/talks/deterministic-policy-gradient-algorithms/61098/）后，我仍然...

我在Keras中有一个具有多个输出的网络，然而我的训练数据每次只提供一个输出的信息。 目前我的训练方法是对所涉及的输入进行预测，在更改我正在训练的特定输出的值，然后进行单批次更新。如果我没错的话，这与将所有输出的损失设置为零，除了我正在尝试训练的那个输出是相同的。 是否有更好的方法？我尝试...

我正在查看一个tensorflow网络，该网络实现了针对CartPole开源AI环境的强化学习。 该网络实现了一个策略梯度智能体的似然比方法。 问题是，策略损失是使用gather_nd操作定义的！在这里看： .... self.y = tf.nn.softmax(tf....

强化学习、深度学习和深度强化学习有什么区别？Q-learning是如何适用的？