最简版 DQN 损失函数
现在 select_action() 函数已就绪，距离训练智能体只差最后一步：实现 calculate_loss()。
calculate_loss() 会返回该回合任一步的网络损失。
参考公式如下：
本练习已加载以下示例数据：
state = torch.rand(8)
next_state = torch.rand(8)
action = select_action(q_network, state)
reward = 1
gamma = .99
done = False
本练习是课程的一部分
Python 中的深度强化学习
练习说明
- 获取当前状态的 Q 值。
- 获取下一状态的 Q 值。
- 计算目标 Q 值（TD-target）。
- 计算损失函数，即平方贝尔曼误差。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)