如何解决如何将奖励纳入学习过程?
我在一个环境中尝试使用 baseline3 库学习系统动力学。由于我的例子比较大,我用下面的例子来说明我遇到的问题。
问题
-
环境改写实际上在哪些地方融入了学习过程?
-
奖励有上下限吗?
我的代码:
from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2
env = gym.make('CartPole-v1')
model = PPO2(MlpPolicy,env,verbose=1)
model.learn(total_timesteps=10000)
obs = env.reset()
for i in range(1000):
action,_states = model.predict(obs)
obs,rewards,dones,info = env.step(action)
env.render()
我还没有找到任何关于此的信息。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。