tensorflow增強學習應用於乙個小遊戲

首先需要安裝gym模組，提供遊戲的。

1，所需模組

import

tensorflow as tf
import
numpy as np
import
gymimport
random
from collections import
deque
from keras.utils.np_utils import to_categorical

2，自定義乙個簡單的3層dense model

#

自定義model
class
qnetwork(tf.keras.model):
def__init__
(self):
super().
__init__()#
簡單的3個dense
self.dense1=tf.keras.layers.dense(24,activation='
relu')
self.dense2=tf.keras.layers.dense(24,activation='
relu')
self.dense3=tf.keras.layers.dense(2)
defcall(self,inputs):
x=self.dense1(inputs)
x=self.dense2(x)
x=self.dense3(x)
return
x    
defpredict(self,inputs):
q_values=self(inputs)#
呼叫call
return tf.argmax(q_values,axis=-1)

3，定義相關引數

#

遊戲環境，例項化乙個遊戲
env=gym.make('
cartpole-v1')
model=qnetwork()
#迴圈輪數設定小一點，50就可以了
num_episodes=500num_exploration=100max_len=1000batch_size=32lr=1e-3gamma=1.
initial_epsilon=1.
final_epsilon=0.01replay_buffer=deque(maxlen=10000)
epsilon=initial_epsilon
#tensorflow2.0
optimizer=tf.compat.v1.train.adamoptimizer(learning_rate=lr)

4，訓練，測試

for i in

range(num_episodes):

#初始化環境

state=env.reset()

#逐漸衰減，至final_epsilon

epsilon=max(initial_epsilon*(num_exploration-i)/num_exploration,final_epsilon)

for t in

range(max_len):

#當前幀繪製到螢幕

env.render()

#以epsilon的概率隨機行動，epsilon是衰減的，說明遊戲動作會越來越穩定

if random.random()action=env.action_space.sample()

else:#

從當前狀態**乙個動作

action=model.predict(tf.constant(np.expand_dims(state,axis=0),dtype=tf.float32)).numpy()

action=action[0]

#執行一步動作

next_state,reward,done,info=env.step(action)#獎勵

reward=-10.if done else

reward#快取

state=next_state

ifdone:

print('

episode %d,epsilon %f,score %d

'%(i,epsilon,t))

break

#**batch_size步後執行

if len(replay_buffer)>=batch_size:

#隨機獲取乙個batch的資料

batch_state,batch_action,batch_reward,batch_next_state,batch_done=\

[np.array(a,dtype=np.float32) for a in zip(*random.sample(replay_buffer,batch_size))]

#下乙個狀態，由此得到的y為真實值

#**值與真實值的計算看不太懂

q_value=model(tf.constant(batch_next_state,dtype=tf.float32))

y=batch_reward+(gamma*tf.reduce_max(q_value,axis=1))*(1-batch_done)

with tf.gradienttape() as tape:

#loss=tf.losses.mean_squared_error(labels=y,predictions=tf.reduce_sum(

#model(tf.constant(batch_state))*tf.one_hot(batch_action,depth=2),axis=1))

loss=tf.losses.mean_squared_error(y,tf.reduce_sum(

model(tf.constant(batch_state))*to_categorical(batch_action,num_classes=2),axis=1))

grads=tape.gradient(loss,model.variables)

最終會出現乙個視窗，平衡遊戲不斷進行。。。

上面注釋部分因為tf.one_hot方法會報錯。

TensorFlow2學習八之資料增強

影象增強 對影象的簡單形變。tensorflow2影象增強函式tf.keras.preprocessing.image.imagedatagenerator image gen train tf.keras.preprocessing.image.imagedatagenerator rescale...

tensorflow 學習 學習中

基於 virtualenv 的安裝 在 linux 上 sudo apt get install python pip python dev python virtualenv 在 mac 上 sudo easy install pip 如果還沒有安裝 pip sudo pip install up...

tensorflow學習筆記

tensorflow安裝可以直接通過命令列或者原始碼安裝，在此介紹tensorflow8命令列安裝如下 安裝tensorflow sudo pip install upgrade 另外，解除安裝tensorflow命令為 sudo pip uninstall tensorflow tensorflo...