BaşlayınÜcretsiz Başlayın

Temel DQN kayıp fonksiyonu

select_action() işlevi artık hazır olduğuna göre, ajanını eğitebilmek için son bir adımdasın: şimdi calculate_loss()'u uygulayacaksın.

calculate_loss() bir bölümün herhangi bir adımı için ağın kaybını döndürür.

Referans olarak, kayıp şu şekilde verilir:

Aşağıdaki örnek veriler egzersize yüklendi:

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

Bu egzersiz

Python ile Deep Reinforcement Learning

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Mevcut durumun Q-değerini elde et.
  • Sonraki durumun Q-değerini elde et.
  • Hedef Q-değerini (TD-target) hesapla.
  • Kayıp fonksiyonunu, yani karesel Bellman Hatasını hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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)
Kodu Düzenle ve Çalıştır