Zacznij terazZacznij za darmo

Próbkowanie z bufora PER

Zanim użyjesz klasy Prioritized Experience Buffer do trenowania agenta, musisz jeszcze zaimplementować metodę .sample(). Metoda ta przyjmuje jako argument rozmiar próbki do pobrania i zwraca próbkowane przejścia jako tensors, wraz z ich indeksami w buforze pamięci oraz wagami istotności.

W środowisku został wstępnie załadowany bufor o pojemności 10, z którego możesz próbkować.

To ćwiczenie jest częścią kursu

Głębokie uczenie ze wzmocnieniem w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz prawdopodobieństwo próbkowania powiązane z każdym przejściem.
  • Wylosuj indeksy odpowiadające przejściom w próbce; np.random.choice(a, s, p=p) pobiera próbkę o rozmiarze s ze zwracaniem z tablicy a, na podstawie tablicy prawdopodobieństw p.
  • Oblicz wagę istotności powiązaną z każdym przejściem.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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))
Edytuj i uruchom kod