Actor-Critic kayıp hesaplamaları
A2C ile ajanını eğitmeden önce son adım olarak, her iki ağ için kayıpları döndüren bir calculate_losses() fonksiyonu yaz.
Referans olması için, aktör ve eleştirmen kayıp fonksiyonlarının ifadeleri sırasıyla şunlardır:
Bu egzersiz
Python ile Deep Reinforcement Learning
kursunun bir parçasıdırEgzersiz talimatları
- TD hedefini hesapla.
- Aktör ağı için kaybı hesapla.
- Eleştirmen ağı için kaybı hesapla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
def calculate_losses(critic_network, action_log_prob,
reward, state, next_state, done):
value = critic_network(state)
next_value = critic_network(next_state)
# Calculate the TD target
td_target = (____ + gamma * ____ * (1-done))
td_error = td_target - value
# Calculate the actor loss
actor_loss = -____ * ____.detach()
# Calculate the critic loss
critic_loss = ____
return actor_loss, critic_loss
actor_loss, critic_loss = calculate_losses(
critic_network, action_log_prob,
reward, state, next_state, done
)
print(round(actor_loss.item(), 2), round(critic_loss.item(), 2))