เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การตั้งค่า Environment และโครงข่ายประสาทเทียม

เริ่มต้นด้วยการตั้งค่า environment ที่จะใช้ตลอดทั้งคอร์ส นั่นคือ Lunar Lander environment ซึ่ง agent จะควบคุมตัวขับดันของยานพาหนะที่พยายามลงจอดบนดวงจันทร์

torch, torch.nn, torch.optim และ gym ถูก import ไว้ในแบบฝึกหัดแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Reinforcement Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดค่าเริ่มต้นให้กับ Lunar Lander environment ใน gym (LunarLander-v2)
  • กำหนด layer การแปลงเชิงเส้นเพียง layer เดียว โดยมีมิติอินพุตเป็น dim_inputs และมิติเอาต์พุตเป็น dim_outputs
  • สร้างอินสแตนซ์ของโครงข่ายประสาทเทียมสำหรับมิติอินพุต 8 และมิติเอาต์พุต 4
  • ส่ง parameters ให้กับ Adam optimizer

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Initiate the Lunar Lander environment
env = gym.____

class Network(nn.Module):
    def __init__(self, dim_inputs, dim_outputs):
        super(Network, self).__init__()
        # Define a linear transformation layer 
        self.linear = ____
    def forward(self, x):
        return self.linear(x)

# Instantiate the network
network = ____

# Initialize the optimizer
optimizer = optim.Adam(____, lr=0.0001)

print("Network initialized as:\n", network)
แก้ไขและรันโค้ด