ComeçarComece gratuitamente

Barebone DQN função de perda

Com a função select_action() pronta, falta apenas uma etapa final para que você possa treinar seu agente: agora você implementará calculate_loss().

O site calculate_loss() retorna a perda da rede para qualquer etapa do episódio.

Para referência, a perda é dada por:

Os dados de exemplo a seguir foram carregados no exercício:

state = torch.rand(8)
next_state = torch.rand(8)
action = select_action(q_network, state)
reward = 1
gamma = .99
done = False

Este exercício faz parte do curso

Aprendizado por reforço profundo em Python

Ver Curso

Instruções de exercício

  • Obter o valor Q do estado atual.
  • Obtenha o valor Q do próximo estado.
  • Calcule o valor Q alvo, ou TD-target.
  • Calcule a função de perda, ou seja, o erro de Bellman ao quadrado.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

def calculate_loss(q_network, state, action, next_state, reward, done):
    q_values = q_network(state)
    print(f'Q-values: {q_values}')
    # Obtain the current state Q-value
    current_state_q_value = q_values[____]
    print(f'Current state Q-value: {current_state_q_value:.2f}')
    # Obtain the next state Q-value
    next_state_q_value = q_network(next_state).____    
    print(f'Next state Q-value: {next_state_q_value:.2f}')
    # Calculate the target Q-value
    target_q_value = ____ + gamma * ____ * (1-done)
    print(f'Target Q-value: {target_q_value:.2f}')
    # Obtain the loss
    loss = nn.MSELoss()(____, ____)
    print(f'Loss: {loss:.2f}')
    return loss

calculate_loss(q_network, state, action, next_state, reward, done)
Editar e executar código