文件名称：jeju-dl-camp-2018
文件大小：54KB
文件格式：ZIP
更新时间：2024-05-18 18:35:42
Python
济州岛dl-camp-2018 作者：Valliappa Chockalingam和Rishab Gargeya 代码概述 培训师 train.py：执行此文件以运行整个项目。 标志： 配置脚本：配置文件的位置。 经理班： 自变量：Env，Agent。 运行方法：训练多个情节。 使用distagent可视化分布（保存图）。 配置 配置的所有变量：网络，环境，代理，优化器，体验重播。 配置文件通过trainer.py传播到每个子模块文件夹（Agent，Optimizer，Memory，Environment）中。 代理人 代理创建网络，优化器，内存并探索环境。 类型：代理，分类代理，分位数回归，VAE 方法：行动，贪婪地学习，分配，学习 行动方针 实施政策 方法：政策，Epsilon贪婪 优化器 实现网络优化器 方法：亚当 特点：渐变剪切 记忆 实施体验重播 方法：添加
【文件预览】：
jeju-dl-camp-2018-master
----memory()
--------experience_replay.py(944B)
----action_policy()
--------distorted_expectation.py(4KB)
--------action_policy.py(3KB)
----.DS_Store(6KB)
----environment()
--------__init__.py(48B)
--------windy_gridworld.py(3KB)
--------environment.py(3KB)
----run.sh(108B)
----DQN.py(7KB)
----__init__.py(0B)
----util()
--------util.py(3KB)
--------wrappers.py(10KB)
--------render.py(1KB)
----configuration()
--------params_cartpole.json(920B)
--------configuration.py(2KB)
--------params_frozenlake.json(923B)
--------config_atari_retro.json(843B)
--------__init__.py(61B)
--------params_cartpole_iqn.json(1007B)
--------params_cartpole_quantile_dqn.json(880B)
--------params_sonic_quantile_dqn.json(1KB)
--------params_sonic.json(1KB)
--------params_atari.py(1KB)
--------params_sonic_iqn.json(1KB)
----environment.yml(564B)
----trainer()
--------train.py(5KB)
----writeup.md(8KB)
----IQN-Dueling.py(12KB)
----README.md(2KB)
----retro-contest()
----function_approximator()
--------__init__.py(100B)
--------network.py(2KB)
--------head.py(5KB)
----load_model.py(3KB)
----IQN.py(13KB)
----.gitignore(27B)
----setup.sh(1KB)
----agent()
--------agent.py(7KB)
--------ppo1_agent.py(2KB)
--------categorical_agent.py(2KB)
--------__init__.py(51B)
--------quantile_regression.py(2KB)
--------VAE.py(4KB)
--------iqn.py(5KB)
----gcloud()
--------config.yaml(638B)
--------setup.py(3KB)
--------submit.sh(1KB)
----optimizer()
--------optimizer.py(2KB)