bakanaouji / deep-q-network Goto Github PK
View Code? Open in Web Editor NEWLicense: MIT License
License: MIT License
open ai実装では,勾配をnormが10までにクリッピングしている.
勾配をクリッピングするんじゃなくて,誤差をクリッピングするんだと思ってた.
10ってのもよくわからない.
研究にすごく役立ちました。レポジトリありがとうございます。
今はすでにつばめで実行できましたが、いくつ問題があります。
1.CNN第二層の設定でdata_format='channels_first'がないため、出力が(None, 15, 9, 64)になりましたが、多分間違ったと思います。
2.元論文と違って、第三層を抜けた原因は計算量を抑えるためでしょうか。
3.epsilonの最終値はなぜ0.01に設定していますか。元論文の0.1より効果が良いですか。
ファイルとログを出力させて,あとからテスト実行できるようにする.
本来pongとbreakoutは行動は[何もしない,上(左),下(右)]の3つであるはずだが,なぜかenv.actionspaceはDiscrete(6)を返す.
model.pyのtest_init_q_networkで初期化すると,modelのinputのshape=(?, 4, 84, 84)になる.
なんで不定にしてるのかを忘れた.
暫定的な記事構成めも
グレースケール化した場合,0から255が範囲になるが,Open AIの実装では255.0で割ることで0から1に正規化してる.
以下,Open AIのコメントに書いてあったこと,
careful! This undoes the memory optimization, use with smaller replay buffers only.
pdfのほう
global_variables_initializer
の初期化が何に基づいているのかよくわからない
networkつくるときに明示的に指定したほうがいい気がする
出力層への入力の次元がOpen AIは256,本リポジトリでは512.
trainの方では t
, testの方では episode
が使われてるから統一したい
skimageのrgb2grayとopen aiの変換式が異なっている.
skimage : Y=0.2126R+0.7152G+0.0722B
open ai : Y=0.299R+0.587G+0.114B
・gym.envのラッパークラス作成:完了
・DQNクラス作成:とりあえず完了
・メインクラス作成:とりあえず完了
・DQN実験:pong完了,breakoutもできるところまで実験中
・issues対処:更新中
・執筆:完了
・公開用のコード整理:まだ
とりあえず候補
・普通のDQN:パラメータはなるべく論文と合わせたいけど,おそらく無理なので考え中.Open AIと合わせるか?
・Replay Memoryなし:Replay Memoryのサイズ=ミニバッチ数とすることで,過去のサンプルをなるべく用いないようにする
・Networkの構造:出力層の入力ユニット数を512→256にしてみる.Open AIと合わせたver.あんまり結果が変わらなそうなので,やらないかも.
・報酬クリッピングなし:報酬を[-1,1]にクリッピングしない.
・フレームスタックなし:状態を直近4step分の観測履歴→直近1step分の観測にする.画像のサイズは(84,84)で変えない.
・グレースケール化しない:観測した画像をそのまま用いる.フレームスタックもなしにしたほうがテンソルの次元数的にはいいかも.
・状態正規化しない:255で割るかどうか.単純に興味がある.
入力に対してモデルの出力があっているかや,モデルの構造が意図したものかが確認の仕方がわからない.
モデルの構造に関してはビジュアル的に確認するのが最善な気がする.
論文:RMSProp
Open AI: Adam
どっちを選択するか.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.