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
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)