如何解决Pytorch-RuntimeError:无效的多项式分布遇到概率输入<0
我正在使用“稳定基准3”来训练特工玩Connect 4游戏。当代理人作为第二个玩家开始游戏时,我正在尝试考虑这种情况。
self.env = self.ks_env.train([opponent,None])
invalid multinomial distribution (encountering probability entry < 0)
/opt/conda/lib/python3.7/site-packages/torch/distributions/categorical.py in sample(self,sample_shape)
samples_2d = torch.multinomial(probs_2d,sample_shape.numel(),True).T
但是,当特工是第一人时没有问题:
self.env = self.ks_env.train([None,opponent])
我认为问题与Pytorch库有关。我的问题是如何解决此问题?
解决方法
检查您提供的代码后,问题似乎不是出自哪个代理启动游戏,而是出自完成游戏后未重启环境。
我刚刚更改了您的步进功能,如下所示:
def step(self,action):
# Check if agent's move is valid
is_valid = (self.obs['board'][int(action)] == 0)
if is_valid: # Play the move
self.obs,old_reward,done,_ = self.env.step(int(action))
reward = self.change_reward(old_reward,done)
else: # End the game and penalize agent
reward,_ = -10,True,{}
if done:
self.reset()
return board_flip(self.obs.mark,np.array(self.obs['board']).reshape(1,self.rows,self.columns) / 2),reward,_
有了这个,模型就可以训练了,您可以使用以下代码片段检查它是否按预期工作:
done = True
for step in range(500):
if done:
state = env.reset()
state,info = env.step(env.action_space.sample())
print(reward)
链接到我的your notebook版本
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。