文件名称：breakout-Deep-Q-Network:强化学习| 在Atari Breakout上执行DQN，对决DQN和Double DQN的tensorflow实现
文件大小：3.7MB
文件格式：ZIP
更新时间：2024-05-31 07:38:35
reinforcement-learning deep-learning tensorflow dqn atari
突破-深度-Q-网络 :person_running: [强化学习]在Atari Breakout游戏上执行的Deep Q Network（DQN），决斗DQN和Double DQN的张量流实现 安装 键入以下命令以安装OpenAI Gym Atari环境。 $ pip3 install opencv-python gym gym[atari] 如果您在安装时遇到任何问题，请参考。 如何 请不要修改test.py ， environment.py ， agent_dir/agent.py 培训DQN： $ python3 main.py --train_dqn 测试DQN： $ python3 test.py --test_dqn 注意：该环境还提供了用于游戏pong的界面，但是我尚未实现该模型。 执行 算法：具有经验重播的深度Q学习 参考：第5页，“使用深度强化学习玩Atari” 这是没有装饰的最简
【文件预览】：
breakout-Deep-Q-Network-master
----argument.py(2KB)
----test.py(2KB)
----atari_wrapper.py(8KB)
----img()
--------target-update.png(115KB)
--------mem.png(117KB)
--------drawio.png(63KB)
--------drawio.xml(3KB)
--------reward.png(46KB)
--------loss.png(52KB)
--------gamma.png(308KB)
--------4-2-baseline.png(156KB)
--------algo.png(261KB)
--------model.png(106KB)
--------rmsprop-decay.png(347KB)
--------demo.gif(2.34MB)
--------algo2.jpg(57KB)
----requirement.txt(29B)
----main.py(2KB)
----agent_dir()
--------agent.py(1KB)
--------agent_dqn.py(16KB)
--------agent_pg.py(2KB)
----README.md(11KB)
----environment.py(2KB)
----.gitignore(41B)