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
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))