ray - Ray rllib 自定义训练流程
问题描述
我想细化算法的步骤:默认情况下,动作选择为:
a = argmax Q(f(s), a; teta)
然后计算从旧状态到新状态的转换。然后将旧状态、动作、奖励和新状态存储在缓冲区中。
我想更改 get 操作函数并使其看起来像这样:
while not condition:
action = policy.compute_action(obs)
new_obs, rew, done, info = env.step(action)
if condition:
break
obs = new_obs
replay_buffer.add(obs, action, rew, new_obs, done)
obs = new_obs
我该如何定制这个?
解决方案
推荐阅读
- r - 合并 DT::datatable 中的列
- javascript - 如何通过 onclick 事件全屏显示 - Phaser3
- javascript - 通过拆分字符串 javascript 将字符串转换为对象
- java - 如何在 Spring 中定义要自动装配的 bean
- arrays - 使用数组并一一返回值
- django - 表单提交后 Django 发送两次电子邮件
- openstack - 如何定义 Openstack 节点?
- javascript - pdfmake base64 图片回调
- javascript - 如何将带有 addEventListener 的参数发送到函数?
- batch-file - 如何在批处理文件中使用 tasklist 命令仅检查正在运行的应用程序?