MulaiMulai sekarang secara gratis

Perhitungan rugi Actor-Critic

Sebagai langkah terakhir sebelum Anda dapat melatih agen dengan A2C, tulislah fungsi calculate_losses() yang mengembalikan nilai rugi untuk kedua jaringan.

Sebagai referensi, berikut adalah ekspresi untuk fungsi rugi aktor dan kritikus masing-masing:

Latihan ini adalah bagian dari kursus

Deep Reinforcement Learning dengan Python

Lihat Kursus

Petunjuk latihan

  • Hitung target TD.
  • Hitung rugi untuk jaringan Actor.
  • Hitung rugi untuk jaringan Critic.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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))
Edit dan Jalankan Kode