文件名称：deep-q-learning:张量流中的DQN，DDQN，决斗DQN实现
文件大小：9KB
文件格式：ZIP
更新时间：2024-05-29 07:25:46
Python
深度Q学习 在OpenAI Gym上测试了具有基本或双重q-learning训练算法的深度q-networn，对决q-network的实现。 先决条件 该项目是使用Python 3.5和Tensorflow（通过tensorflow-gpu 1.2.1测试）实现的。 可用的环境来自OpenAi Gym。 要安装健身房，请访问 。 要工作需要来自atari_wrappers.py 训练网络 使用train.py模块执行网络培训。 它要求将要学习的体育馆环境作为参数。 可选地，可以指定要使用的网络类型和学习算法。 可以使用--checkpoint参数提供网络权重，使用--training_info参数提供培训状态（例如，当前步骤，总步骤，体验重播缓冲区数据）从检查点重新开始培训。 通过使用--checkpoint_step，可以指定保存检查点的步骤数。 python train.py --
【文件预览】：
deep-q-learning-master
----test.py(3KB)
----train.py(7KB)
----dqn.py(5KB)
----util.py(4KB)
----.gitignore(32B)
----README.md(2KB)