machine-learning - 深度 Q 网络是否需要卷积层?
问题描述
我目前正在尝试建立一个深度 Q 网络来玩经典的 Snake 游戏。我以这样一种方式设计游戏,将状态空间限制在 20 x 20 矩阵中,1 代表身体占据的方格,2 代表头部占据的方格,5 代表食物占据的方格。鉴于空间相对较小,让网络输入是 400 维向量而不是原始图像是否可行?
解决方案
您可以尝试 400 维向量并查看代理的性能(学习)。如果它没有改善,那么您应该尝试使用 CNN。但在我看来,一个 400 维的向量应该可以工作。
此外,请确保在将状态输入输入到神经网络之前将其标准化为 [0,1] 或 [-1,1]。
推荐阅读
- excel - How to create a unique identifier or equivalent to a dynamic table in Excel?
- angular - Why does angular tests fail sometimes?
- javascript - How can I take parameters from a url and append them to different tiles on the website?
- python-3.x - Why merge sort two linked list changes original lists?
- javascript - 使用 jquery 从多个下拉列表中删除重复项
- android - 从图库中选择多张图片并在 recyclerview 中显示
- jenkins - 有人知道如何通过 jenkins 管道检索在 openshift 上运行的应用程序的路由主机名吗?
- azure - 在 Azure Devops YAML Pipeline 中访问容器资源变量
- kotlin - 异常后如何恢复流程
- django - /admin/attempt/add_model/add/ 处的类型错误