शुरू करेंमुफ़्त में शुरू करें

Actor-Critic loss गणनाएँ

A2C से अपने एजेंट को ट्रेन करने से पहले अंतिम कदम के रूप में, एक calculate_losses() फंक्शन लिखिए जो दोनों नेटवर्क्स के लिए loss वापस करे.

संदर्भ के लिए, क्रमशः actor और critic के loss फंक्शनों के फार्मूले ये हैं:

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Deep Reinforcement Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • TD टारगेट निकालें.
  • Actor नेटवर्क के लिए loss निकालें.
  • Critic नेटवर्क के लिए loss निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

def calculate_losses(critic_network, action_log_prob, 
                     reward, state, next_state, done):
    value = critic_network(state)
    next_value = critic_network(next_state)
    # Calculate the TD target
    td_target = (____ + gamma * ____ * (1-done))
    td_error = td_target - value
    # Calculate the actor loss
    actor_loss = -____ * ____.detach()
    # Calculate the critic loss
    critic_loss = ____
    return actor_loss, critic_loss
  
actor_loss, critic_loss = calculate_losses(
        critic_network, action_log_prob, 
        reward, state, next_state, done
)
print(round(actor_loss.item(), 2), round(critic_loss.item(), 2))
कोड संपादित करें और चलाएँ