MulaiMulai sekarang secara gratis

Fungsi loss DQN sederhana

Dengan fungsi select_action() yang kini siap, Anda tinggal satu langkah terakhir sebelum dapat melatih agen Anda: sekarang Anda akan mengimplementasikan calculate_loss().

calculate_loss() mengembalikan loss jaringan untuk setiap langkah dalam suatu episode.

Sebagai referensi, rumus loss adalah sebagai berikut:

Data contoh berikut telah dimuat dalam latihan:

state = torch.rand(8)
next_state = torch.rand(8)
action = select_action(q_network, state)
reward = 1
gamma = .99
done = False

Latihan ini adalah bagian dari kursus

Deep Reinforcement Learning dengan Python

Lihat Kursus

Petunjuk latihan

  • Peroleh nilai Q untuk state saat ini.
  • Peroleh nilai Q untuk state berikutnya.
  • Hitung nilai Q target, atau TD-target.
  • Hitung fungsi loss, yaitu squared Bellman Error.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

def calculate_loss(q_network, state, action, next_state, reward, done):
    q_values = q_network(state)
    print(f'Q-values: {q_values}')
    # Obtain the current state Q-value
    current_state_q_value = q_values[____]
    print(f'Current state Q-value: {current_state_q_value:.2f}')
    # Obtain the next state Q-value
    next_state_q_value = q_network(next_state).____    
    print(f'Next state Q-value: {next_state_q_value:.2f}')
    # Calculate the target Q-value
    target_q_value = ____ + gamma * ____ * (1-done)
    print(f'Target Q-value: {target_q_value:.2f}')
    # Obtain the loss
    loss = nn.MSELoss()(____, ____)
    print(f'Loss: {loss:.2f}')
    return loss

calculate_loss(q_network, state, action, next_state, reward, done)
Edit dan Jalankan Kode