Steekproeven uit de PER-buffer

Voordat je de Prioritized Experience Buffer-klasse kunt gebruiken om je agent te trainen, moet je nog de methode .sample() implementeren. Deze methode krijgt als argument de grootte van de steekproef die je wilt trekken en retourneert de getrokken transities als tensors, samen met hun indexen in de geheugenbuffer en hun belangrijkheidsgewicht.

Een buffer met capaciteit 10 is alvast in je omgeving geladen, zodat je daaruit kunt steekproeven.

Deze oefening maakt deel uit van de cursus

Deep Reinforcement Learning in Python

Oefeninstructies

Bereken de steekproefkans die hoort bij elke transitie.
Trek de indexen die overeenkomen met de transities in de steekproef; np.random.choice(a, s, p=p) neemt een steekproef van grootte s met terugleggen uit de array a, op basis van kansarray p.
Bereken het belangrijkheidsgewicht dat hoort bij elke transitie.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

def sample(self, batch_size):
    priorities = np.array(self.priorities)
    # Calculate the sampling probabilities
    probabilities = ____ / np.sum(____)
    # Draw the indices for the sample
    indices = np.random.choice(____)
    # Calculate the importance weights
    weights = (1 / (len(self.memory) * ____)) ** ____
    weights /= np.max(weights)
    states, actions, rewards, next_states, dones = zip(*[self.memory[idx] for idx in indices])
    weights = [weights[idx] for idx in indices]
    states_tensor = torch.tensor(states, dtype=torch.float32)
    rewards_tensor = torch.tensor(rewards, dtype=torch.float32)
    next_states_tensor = torch.tensor(next_states, dtype=torch.float32)
    dones_tensor = torch.tensor(dones, dtype=torch.float32)
    weights_tensor = torch.tensor(weights, dtype=torch.float32)
    actions_tensor = torch.tensor(actions, dtype=torch.long).unsqueeze(1)
    return (states_tensor, actions_tensor, rewards_tensor, next_states_tensor,
            dones_tensor, indices, weights_tensor)

PrioritizedReplayBuffer.sample = sample
print("Sampled transitions:\n", buffer.sample(3))

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Deep Reinforcement Learning in Python

SkillTag.level.advancedSkillTag.label

4.8+

Begin gratis met de cursus

Ontdek hoe deep reinforcement learning voortbouwt op traditioneel Reinforcement Learning terwijl je je eerste Deep Q Learning-algoritme bestudeert en implementeert.

Exercise 1: Introductie tot deep reinforcement learning Exercise 2: Omgeving en neuraal netwerk instellen Exercise 3: DRL-trainingslus Exercise 4: Introductie tot deep Q-learning Exercise 5: Deep learning en DQN Exercise 6: De Q-Network-architectuur Exercise 7: Het Q-netwerk instantiëren Exercise 8: Het kale DQN-algoritme Exercise 9: Barebone DQN-actie-selectie Exercise 10: Barebone DQN-verliesfunctie Exercise 11: Een barebone DQN trainen

Duik in Deep Q-learning door het originele DQN-algoritme te implementeren, met Experience Replay, epsilon-greediness en vaste Q-doelen. Voorbij DQN verken je daarna twee fascinerende uitbreidingen die de prestaties en stabiliteit van Deep Q-learning verbeteren: Double DQN en Prioritized Experience Replay.

Exercise 1: DQN met experience replay Exercise 2: De double-ended queue Exercise 3: Experience replay-buffer Exercise 4: DQN met experience replay Exercise 5: Het complete DQN-algoritme Exercise 6: Epsilon-greediness Exercise 7: Gefixeerde Q-targets Exercise 8: Het complete DQN-algoritme implementeren Exercise 9: Double DQN Exercise 10: Online netwerk en targetnetwerk in DDQN Exercise 11: De Double DQN trainen Exercise 12: Prioritized experience replay Exercise 13: Prioritized experience replay-buffer Exercise 14: Steekproeven uit de PER-buffer

Huidige oefening

Exercise 15: DQN met prioritaire experience replay

Leer de basisconcepten van policy gradient-methoden binnen DRL. Je begint met het policy gradient-theorema, de basis voor deze methoden. Vervolgens implementeer je het REINFORCE-algoritme, een krachtige aanpak om policies te leren. Daarna ga je door met Actor-Critic-methoden, met de focus op het Advantage Actor-Critic (A2C)-algoritme, dat de sterke punten van policy gradient- en value-based methoden combineert om leerefficiëntie en stabiliteit te vergroten.

Exercise 1: Introductie tot policy gradient Exercise 2: De architectuur van het policy-netwerk Exercise 3: Werken met discrete verdelingen Exercise 4: Policy gradient en REINFORCE Exercise 5: Actieselectie in REINFORCE Exercise 6: De REINFORCE-algoritme trainen Exercise 7: Advantage Actor-Critic Exercise 8: Critic-netwerk Exercise 9: Actor-Critic: verliesberekeningen Exercise 10: Het A2C-algoritme trainen

Verken Proximal Policy Optimization (PPO) voor robuuste DRL-prestaties. Vervolgens bekijk je het gebruik van een entropiebonus in PPO, die exploratie stimuleert door voortijdige convergentie naar deterministische policies te voorkomen. Je leert ook over batchupdates in policy gradient-methoden. Tot slot leer je hyperparameteroptimalisatie met Optuna, een krachtige tool om de prestaties van je DRL-modellen te optimaliseren.

Exercise 1: Proximal policy optimization Exercise 2: De afgeknipte waarschijnlijkheidsratio Exercise 3: De geclipte surrogaatdoelfunctie Exercise 4: Entropiebonus en PPO Exercise 5: Entropie-speeltuin Exercise 6: De PPO-algoritme trainen Exercise 7: Batch-updates in policy gradient Exercise 8: Minibatch en DRL Exercise 9: A2C met batch-updates Exercise 10: Hyperparameteroptimalisatie met Optuna Exercise 11: Hyperparameter of niet?Exercise 12: Aan de slag met Optuna Exercise 13: Gefeliciteerd!