Addestrare il Double DQN
Ora modificherai il tuo codice per DQN per implementare il Double DQN.
Il Double DQN richiede solo un piccolo aggiornamento dell'algoritmo DQN, ma aiuta molto a risolvere il problema della sovrastima dei valori Q e spesso offre prestazioni migliori rispetto al DQN.
Questo esercizio fa parte del corso
Deep Reinforcement Learning in Python
Istruzioni dell'esercizio
- Calcola le prossime azioni per il calcolo del Q-target usando
online_network(), assicurandoti di ottenere l'azione e la forma corrette. - Stima i valori Q per queste azioni con
target_network(), anche qui assicurandoti di ottenere i valori e la forma corretti.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
for episode in range(10):
state, info = env.reset()
done = False
step = 0
episode_reward = 0
while not done:
step += 1
total_steps += 1
q_values = online_network(state)
action = select_action(q_values, total_steps, start=.9, end=.05, decay=1000)
next_state, reward, terminated, truncated, _ = env.step(action)
done = terminated or truncated
replay_buffer.push(state, action, reward, next_state, done)
if len(replay_buffer) >= batch_size:
states, actions, rewards, next_states, dones = replay_buffer.sample(64)
q_values = online_network(states).gather(1, actions).squeeze(1)
with torch.no_grad():
# Obtain next actions for Q-target calculation
next_actions = ____.____.____
# Estimate next Q-values from these actions
next_q_values = ____.____.____
target_q_values = rewards + gamma * next_q_values * (1-dones)
loss = nn.MSELoss()(q_values, target_q_values)
optimizer.zero_grad()
loss.backward()
optimizer.step()
update_target_network(target_network, online_network, tau=.005)
state = next_state
episode_reward += reward
describe_episode(episode, reward, episode_reward, step)