Reinforcement Training (強化学習)

OpenAI Gym

• OpenAI 形式準拠の独自環境 「迷路探索」: 方策反復法、 価値反復法、 Q学習    html    ipynb
• OpenAI CartPole: Double-DQN    html    ipynb
• OpenAI CartPole: : Dueling Network    html    ipynb
• OpenAI CartPole: Prioritized Experience Replay    html    ipynb
• OpenAI CartPole: A2C    html    ipynb
• OpenAI Mario: Double-DQN    html    ipynb    mario_net.chkpt ← trained about 40,000 episode
[OpenAI Mario: Double-DQN の試し方]
• 学習済みモデルを使う場合:
ipynb ファイル (gym_mario_ddqn.ipynb) を Google Colab にアップロードし、 mario_net.chkpt を Google Drive の "マイドライブ/PyTorch/ReinforcementLearning/checkpoints/" に配置してから、「ランタイム」 → 「全てのセルを実行」で実行する。
• 最初から学習したい場合:
ipynb ファイル (gym_mario_ddqn.ipynb) を Google Colab にアップロードし、 最初のコードセルを LOAD_MODE=Flase に変更してから「ランタイム」 → 「全てのセルを実行」で実行する。 学習したモデルはGoogle Drive の "マイドライブ/PyTorch/ReinforcementLearning/checkpoints/mario_net.chkpt" に保存される。2度目以降は LOAD_MODE=True に変更してから実行すると、追加学習される。