Kom igångKom igång gratis

Prioriterad erfarenhetsbuffert

Du ska nu introducera klassen PrioritizedExperienceReplay – en datastruktur som du senare kommer att använda för att implementera DQN med prioriterad erfarenhetsåteruppspelning.

PrioritizedExperienceReplay är en vidareutveckling av klassen ExperienceReplay som du hittills använt för att träna dina DQN-agenter. En prioriterad erfarenhetsbuffert säkerställer att de övergångar som samplas ur den är mer värdefulla för agentens inlärning än vad jämnt urval ger.

Implementera för tillfället metoderna .__init__(), .push(), .update_priorities(), .increase_beta() och .__len__(). Den sista metoden, .sample(), behandlas i nästa övning.

Den här övningen är en del av kursen

Djup förstärkningsinlärning i Python

Visa kurs

Övningsinstruktioner

  • I .push(): initiera övergångens prioritet till det maximala prioritetsvärdet i bufferten (eller 1 om bufferten är tom).
  • I .update_priorities(): sätt prioriteten till absolutvärdet av motsvarande TD-fel och addera self.epsilon för att hantera kantfall.
  • I .increase_beta(): öka beta med self.beta_increment och se till att beta aldrig överstiger 1.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

class PrioritizedReplayBuffer:
    def __init__(
        self, capacity, alpha=0.6, beta=0.4, beta_increment=0.001, epsilon=0.01
    ):
        self.memory = deque(maxlen=capacity)
        self.alpha, self.beta, self.beta_increment, self.epsilon = (alpha, beta, beta_increment, epsilon)
        self.priorities = deque(maxlen=capacity)

    def push(self, state, action, reward, next_state, done):
        experience_tuple = (state, action, reward, next_state, done)
        # Initialize the transition's priority
        max_priority = ____
        self.memory.append(experience_tuple)
        self.priorities.append(max_priority)
    
    def update_priorities(self, indices, td_errors):
        for idx, td_error in zip(indices, td_errors.tolist()):
            # Update the transition's priority
            self.priorities[idx] = ____

    def increase_beta(self):
        # Increase beta if less than 1
        self.beta = ____

    def __len__(self):
        return len(self.memory)
      
buffer = PrioritizedReplayBuffer(capacity=3)
buffer.push(state=[1,3], action=2, reward=1, next_state=[2,4], done=False)
print("Transition in memory buffer:", buffer.memory)
print("Priority buffer:", buffer.priorities)
Redigera och kör kod