python - keras适合时间/步长差异

Question

构建一个 dqn 代理，并试图理解为什么在我的代码中调用 fit 比我发现的另一个示例（1ms）慢几个数量级（超过 1 秒）。神经网络几乎相同，示例有更多的连接，但这是唯一的区别（我的 alpha 设置为与示例 NN 学习率相同）。

不知道是什么导致了性能时间的这种差异。我想这可能是在调用 fit 之前格式化数据的方式，但看起来一切都是一样的。

我的结果：

示例结果：

我的神经网络：

q = Sequential()
q.add(Dense(24, input_dim=n_states, activation='relu'))
q.add(Dense(24, activation='relu'))
q.add(Dense(n_actions, activation='linear'))
q.compile(loss='mse', optimizer=Adam(lr=alpha))

示例神经网络：

model = Sequential()
model.add(Dense(32, input_dim=nS, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(nA, activation='linear'))
model.compile(loss='mse', optimizer=Adam(lr=0.01))

标签： pythonkerasreinforcement-learning