文件名称：deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用
文件大小：1.3MB
文件格式：ZIP
更新时间：2024-04-01 13:41:53
Python
Atari Pong中的深度强化学习算法 概括 此应用程序的目标是找出深度Q学习（DQN）在OpenAI环境中对Pong的Atari 1600游戏有多准确和有效。 在DQN之上，测试了对相同算法的其他改进，包括多步DQN，Double DQN和Dueling DQN。 从下图可以看出，基本DQN仅需玩约110场游戏即可达到类似于人的准确性，而经过300场游戏即可达到极高的准确性。 此项目中考虑的DQN改进版本显示出效率和准确性方面的一些改进。 基本DQN：第1集与第216集 环保环境 Atari 1600仿真器由OpenAI制作，您可以在59种不同的游戏上测试您的强化算法。 使用深度强化学习，因为输入是当前帧（210x160x3）的RGB图片。 由于RGB图片的计算量太大，因此变成了灰度。 接下来是将图像缩减采样并将其剪切到可播放区域，该区域的大小为84x84x1。 灰度，下采样和裁剪
【文件预览】：
deep-reinforcement-learning-atari-pong-main
----README.md(6KB)
----telegram_bot.py(869B)
----agent_control.py(6KB)
----content()
--------runs()
----main-PongNoFrameskip-v4()
--------openaigym.video.0.7824.video000000.meta.json(2KB)
--------openaigym.video.0.7824.video000125.meta.json(2KB)
--------openaigym.video.0.7824.video000343.meta.json(2KB)
--------openaigym.video.0.7824.video000008.meta.json(2KB)
--------openaigym.manifest.0.7824.manifest.json(873B)
--------openaigym.video.0.7824.video000216.mp4(113KB)
--------openaigym.video.0.7824.video000064.meta.json(2KB)
--------openaigym.video.0.7824.video000064.mp4(90KB)
--------openaigym.episode_batch.0.7824.stats.json(18KB)
--------openaigym.video.0.7824.video000216.meta.json(2KB)
--------openaigym.video.0.7824.video000343.mp4(120KB)
--------openaigym.video.0.7824.video000000.mp4(69KB)
--------openaigym.video.0.7824.video000125.mp4(116KB)
--------openaigym.video.0.7824.video000001.mp4(48KB)
--------openaigym.video.0.7824.video000027.mp4(75KB)
--------openaigym.video.0.7824.video000027.meta.json(2KB)
--------openaigym.video.0.7824.video000008.mp4(56KB)
--------openaigym.video.0.7824.video000001.meta.json(2KB)
----.gitattributes(66B)
----replay_buffer.py(2KB)
----main.py(2KB)
----neural_nets.py(3KB)
----atari_wrappers.py(6KB)
----__pycache__()
--------agent_control.cpython-38.pyc(3KB)
--------neural_nets.cpython-38.pyc(2KB)
--------replay_buffer.cpython-38.pyc(2KB)
--------telegram_bot.cpython-38.pyc(1KB)
--------atari_wrappers.cpython-38.pyc(7KB)
--------agent.cpython-38.pyc(3KB)
----.idea()
--------.gitignore(293B)
--------other.xml(176B)
--------vcs.xml(180B)
--------misc.xml(185B)
--------modules.xml(318B)
--------inspectionProfiles()
--------reinforcement-learning-atari-pong.iml(407B)
----images()
--------rgb_image.png(18KB)
--------000.gif(138KB)
--------graph_total.png(58KB)
--------Screenshot_1.png(26KB)
--------graph_optim.png(50KB)
--------Screenshot_2.png(19KB)
--------216.gif(146KB)
----agent.py(5KB)