文件名称：batch_rl：Atari 2600游戏上的离线强化学习（又名批量强化学习）
文件大小：63KB
文件格式：ZIP
更新时间：2024-03-10 21:20:36
Python
离线强化学习的乐观观点（ICML，2020年） 该项目使用框架提供开放源代码实施，以运行提到的实验。 在这项工作中，我们使用DQN代理的记录的经验在脱机设置（即 ）中训练非策略代理（如下所示），而在训练过程中不与环境进行任何新的交互。 有关项目页面，请参考 。 如何在50M数据集上训练脱机代理而没有RAM错误？ 请参阅 。 DQN重播数据集（记录的DQN数据） DQN重播数据集的收集方式如下：我们首先在60款训练代理，并为2亿帧（标准协议）启用了，并保存（观察，动作，奖励，下一个）的所有体验元组。观察） （约5000万）。 可以在公共gs://atari-replay-datasets中找到此记录的DQN数据，可以使用下载。 要安装gsutil，请按照的说明进行操作。 安装gsutil之后，运行命令以复制整个数据集： gsutil -m cp -R gs://atari-rep
【文件预览】：
batch_rl-master
----README.md(8KB)
----batch_rl()
--------baselines()
--------tests()
--------fixed_replay()
--------multi_head()
--------__init__.py(608B)
----LICENSE(11KB)
----CONTRIBUTING.md(1KB)
----online()
--------configs()
--------train.py(2KB)