如何解决如何使用经过训练的 RL 模型进行预测？
我想使用经过训练的 RL 模型进行离散测试预测。
模型是这样构建的：
model = Sequential()
model.add(Dense(60,activation='relu',input_shape=states))
model.add(Dense(60,input_shape=states))
model.add(Dense(actions,activation='linear'))
self.action_space = discrete(len(ACTION_MAP))
observation_high = np.finfo(np.float32).max
self.observation_space = Box(low=np.array([-observation_high]),high=np.array([observation_high]))
测试功能运行良好：
scores = dqn.test(env,nb_episodes=1,visualize=False,verbose=1,callbacks=[CustomCallback()])
但是当我这样做时：
print(dqn.model.predict_step([30]))
我收到此错误：
ValueError：层密集的输入 0 与层不兼容：：预期 min_ndim=2，发现 ndim=0。收到的完整形状：()
这是进行预测的正确方法吗？输入数据应该是什么样的？
解决方法
解决方案：
model = keras.models.load_model('models/130000/')
pf = model.predict(sample_to_predict)
best_action = np.argmax(pf[0])
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。
