TRFL 介绍
TRFL（发音为“truffle”）建立在 TensorFlow 之上，它是一个强化学习构建模块库。
它是 DeepMind 内部大量用于诸如 DQN、DDPG 和 Importance Weighted Actor Learner Architecture
这些成功的代理如的关键算法组件的集合。
TRFL 库包括实现经典 RL 算法以及更尖端技术的功能，提供的损失函数和其它操作在纯 TensorFlow
中实现。它们不是完整的算法，而是实现了在构建全功能强化学习代理时需要的数学运算。
对于基于值的强化学习，TRFL 提供了 TensorFlow 操作用于在离散动作空间中学习，例如 TD-learning、Sarsa、Q-learning
及其变体，同时也提供了用于实现连续控制算法的操作，例如 DPG。此外 TRFL 还包括用于学习分配值功能的操作。
使用示例
import tensorflow as tf import trfl # Q-values for the previous and next timesteps, shape [batch_size, num_actions]. q_tm1 = tf.constant([[1, 1, 0], [1, 2, 0]], dtype=tf.float32) q_t = tf.constant([[0, 1, 0], [1, 2, 0]], dtype=tf.float32) # Action indices, pcontinue and rewards, shape [batch_size]. a_tm1 = tf.constant([0, 1], dtype=tf.int32) pcont_t = tf.constant([0, 1], dtype=tf.float32) r_t = tf.constant([1, 1], dtype=tf.float32) loss, q_learning = trfl.qlearning(q_tm1, a_tm1, r_t, pcont_t, q_t)
大多数情况下，您可能只对损失感兴趣：
loss, _ = trfl.qlearning(q_tm1, a_tm1, r_t, pcont_t, q_t) # You can also do this, which returns the identical `loss` tensor: loss = trfl.qlearning(q_tm1, a_tm1, r_t, pcont_t, q_t).loss reduced_loss = tf.reduce_mean(loss) optimizer = tf.train.AdamOptimizer(learning_rate=0.1) train_op = optimizer.minimize(reduced_loss)
该模块中的所有损失函数使用上述约定返回损失张量和额外信息。
TRFL 官网
https://github.com/deepmind/trfl
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。