部署训练有素的强化学习政策
一旦您训练了强化学习代理，您就可以生成代码来部署最优策略。您可以生成:
CUDA®使用GPU Coder™的深度神经网络策略代码
C/ c++代码，适用于表，深度神经网络，或线性基函数策略使用MATLAB®编码器™
只要支持所有使用的层，在任何输入路径中金宝app使用前馈神经网络的代理都支持代码生成。使用递归神经网络(RNN)的连续动作PG、AC金宝app、PPO和SAC代理不支持代码生成。
有关培训加固学习代理的更多信息，请参阅训练强化学习代理．
要创建基于给定观察的策略评估功能，请使用生成policyfunction.命令。该命令生成一个MATLAB脚本，其中包含策略评估函数，以及一个mat -文件，其中包含最优策略数据。
您可以使用GPU编码器或生成代码来部署此策略功能MATLAB编码器．
使用代码使用GPU编码器
如果您训练的最优策略使用深度神经网络，您可以使用GPU编码器为策略生成CUDA代码。有关受支持的gpu的更多信息，请参阅金宝appGPU通金宝app过发布支持(并行计算工具箱)．有几种要求和推荐的先决条件产品，用于为深神经网络生成CUDA代码。下载188bet金宝搏有关更多信息，请参见安装必备产品下载188bet金宝搏（GPU编码器）和设置前提产品下载188bet金宝搏（GPU编码器）．
并非所有深度神经网络层都支持GPU代码生成。金宝app有关受支持的层的列表，请参见金宝app金宝app支持的网络，图层和类（GPU编码器）．有关GPU代码生成的更多信息和示例，请参见与GPU编码器深入学习（GPU编码器）．
生成CUDA深度神经网络策略代码
例如，为培训的策略梯度代理生成GPU代码火车PG代理可以平衡车杆系统．
加载培训的代理。
负载('matlabcartpolepg.mat'，“代理”）
为该代理创建策略评估函数。
生成policyfunction（代理）
该命令创建equatepolicy.m.文件，包含策略函数，以及agentData.mat文件，其中包含训练的深度神经网络参与者。对于给定的观测，策略函数使用行动者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择一个行动。
您可以使用GPU编码器为此网络生成代码。例如，您可以生成CUDA兼容MEX函数。
配置codegen功能创建CUDA兼容C ++ MEX功能。
cfg = coder.gpuConfig (墨西哥人的）;cfg.targetlang =“c++”；cfg.deeplearningconfig = coder.deeplearningconfig（'cudnn'）;
设置策略评估功能的示例输入值。要找到观察维度，请使用getobservationInfo.函数。在这种情况下，观测值是一个四元素向量。
argstr ='{ONEON（4,1）}'；
使用codegen函数。
codegen (“配置”，“cfg”，'equatepolicy'，“参数”，argstr，'-报告'）;
此命令生成MEX函数evaluatepolicy_mex.．
使用代码使用MATLAB编码器
您可以使用表，深神经网络或线性基础函数策略生成C / C ++代码MATLAB编码器．
使用MATLAB编码器，您可以生成：
C/ c++代码，用于使用Q表、值表或线性基函数的策略。有关通用C/ c++代码生成的更多信息，请参见生成代码（MATLAB编码器）．
使用深度神经网络的策略的c++代码。注意，使用递归神经网络(RNN)的连续动作PG、AC、PPO和SA金宝appC代理不支持代码生成。有关受支持的层的列表，请参见金宝app支持代码生成的网络和层金宝app（MATLAB编码器）．有关更多信息，请参见深度学习与MATLAB编码器的先决条件（MATLAB编码器）和深度学习与MATLAB编码器（MATLAB编码器）．
不使用任何第三方库生成深度神经网络策略的C代码
例如，生成不依赖第三方库的C代码，用于训练的策略梯度代理火车PG代理可以平衡车杆系统．
加载培训的代理。
负载('matlabcartpolepg.mat'，“代理”）
为该代理创建策略评估函数。
生成policyfunction（代理）
该命令创建equatepolicy.m.文件，包含策略函数，以及agentData.mat文件，其中包含训练的深度神经网络参与者。对于给定的观测，策略函数使用行动者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择一个行动。
配置codegen生成适合构建MEX文件的代码的函数。
cfg = coder.config (墨西哥人的）;
在配置对象上，将目标语言设置为C ++，并设置DeeplearningConfig到 '没有一个”。此选项不使用任何第三方库生成代码。
cfg.targetlang =“C”；cfg.deeplearningconfig = coder.deeplearningconfig（“没有”）;
设置策略评估功能的示例输入值。要找到观察维度，请使用getobservationInfo.函数。在这种情况下，观测值是一个四元素向量。
argstr ='{ONEON（4,1）}'；
使用codegen函数。
codegen (“配置”，“cfg”，'equatepolicy'，“参数”，argstr，'-报告'）;
这个命令为包含深度神经网络参与者的策略梯度代理生成c++代码。
使用第三方库生成用于深度神经网络策略的C ++代码
例如，为培训的策略渐变代理生成C ++代码火车PG代理可以平衡车杆系统使用英特尔深度神经网络数学内核库(MKL-DNN)。
加载培训的代理。
负载('matlabcartpolepg.mat'，“代理”）
为该代理创建策略评估函数。
生成policyfunction（代理）
该命令创建equatepolicy.m.文件，包含策略函数，以及agentData.mat文件，其中包含训练的深度神经网络参与者。对于给定的观测，策略函数使用行动者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择一个行动。
配置codegen生成适合构建MEX文件的代码的函数。
cfg = coder.config (墨西哥人的）;
在配置对象上，将目标语言设置为C ++，并设置DeeplearningConfig到目标库'Mkldnn.”。此选项生成使用Intel Math Kernel库进行深度神经网络（Intel MKL-DNN）的代码。
cfg.targetlang =“c++”；cfg.deeplearningconfig = coder.deeplearningconfig（“mkldnn”）;
设置策略评估功能的示例输入值。要找到观察维度，请使用getobservationInfo.函数。在这种情况下，观测值是一个四元素向量。
argstr ='{ONEON（4,1）}'；
使用codegen函数。
codegen (“配置”，“cfg”，'equatepolicy'，“参数”，argstr，'-报告'）;
这个命令为包含深度神经网络参与者的策略梯度代理生成c++代码。
为Q表策略生成C代码
为例，生成在中训练的Q-learning agent的C代码在基本网格世界中列车加固学习代理．
加载培训的代理。
负载(“basicGWQAgent.mat”，“qAgent”）
为该代理创建策略评估函数。
generatePolicyFunction (qAgent)
该命令创建equatepolicy.m.文件，包含策略函数，以及agentData.mat文件，其中包含培训的Q表值函数。对于给定的观察，策略函数使用Q表查找每个潜在动作的值函数。然后，策略函数选择值函数最大的操作。
设置策略评估功能的示例输入值。要找到观察维度，请使用getobservationInfo.函数。在这种情况下，有一个单一的一维观测(属于一个离散的可能值集)。
argstr =“{[1]}”；
配置codegen函数生成适合于目标为静态库的可嵌入C代码，并将输出文件夹设置为BuildFolder.．
cfg = coder.config (“自由”）;倒转褶皱='buildfolder'；
使用使用的C代码codegen函数。
codegen ('-C'，'-d'，外档，“配置”，“cfg”，．..'equatepolicy'，“参数”，argstr，'-报告'）;
另请参阅
相关话题
您还可以从以下列表中选择一个网站：
