集训练特工的最大数量,指定为一个正整数。无论终止的其他标准,培训后终止MaxEpisodes。

例子:“MaxEpisodes”, 1000年

最大数量的步骤运行每集指定为一个正整数。一般来说,您定义事件终止条件环境。这个值是步骤运行的最大数量的事件如果其他终止条件不满足。

例子:“MaxStepsPerEpisode”, 1000年

窗口长度平均成绩、奖励和每个代理的一些步骤,指定为一个标量或矢量。

如果培训环境包含一个代理,指定ScoreAveragingWindowLength作为一个标量。

如果训练的环境是一个多代理仿真软件金宝app^®环境,指定一个标量应用相同的窗口长度对所有代理。

为每个代理使用一个不同的窗口长度,指定ScoreAveragingWindowLength作为一个向量。在这种情况下,元素的顺序向量对应订单的代理期间使用环境的创建。

选项表示平均而言,ScoreAveragingWindowLength是集的数量包括在平均水平。例如,如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是500年对于一个给定的代理,然后代理,训练终止时平均奖励中指定事件的数量ScoreAveragingWindowLength等于或超过500年。其他代理、培训持续进行直到:

例子:“ScoreAveragingWindowLength”, 10

训练终止条件,指定为以下字符串之一:

例子:“StopTrainingCriteria”、“AverageReward”

临界值的训练终止条件,指定为一个标量或矢量。

如果培训环境包含一个代理,指定StopTrainingValue作为一个标量。

如果训练的环境是一个多代理仿真软件环境,指定一个标量相同的终止准则适用于所有代理。金宝app为每个代理,使用不同的终止准则指定StopTrainingValue作为一个向量。在这种情况下,元素的顺序向量对应订单的代理期间使用环境的创建。

对于一个给定的代理、培训结束时,指定的终止条件StopTrainingCriteria选择等于或超过这个值。其他代理的培训持续进行直到:

例如,如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是One hundred.对于一个给定的代理,然后代理,训练终止时平均奖励中指定事件的数量ScoreAveragingWindowLength等于或超过One hundred.。

例子:“StopTrainingValue”, 100年

条件保存代理培训期间,指定为以下字符串之一:

设置这个选项来存储候选代理人根据您所指定的标准,表现良好。当你设定这个选项以外的一个值“没有”,软件设置SaveAgentValue选择500。你可以改变这个值指定条件保存剂。

例如,假设你想等待进一步测试的任何代理收益率一集奖励,等于或超过100年。为此,集SaveAgentCriteria来“EpisodeReward”并设置SaveAgentValue选择100。当一集奖励等于或超过100年,火车在垫文件保存相应的代理在指定的文件夹中SaveAgentDirectory选择。垫文件AgentK.mat,在那里K的数量相应的事件。代理是垫文件存储在saved_agent。

例子:“SaveAgentCriteria”、“EpisodeReward”

临界值的条件保存代理、指定为一个标量或矢量。

如果培训环境包含一个代理,指定SaveAgentValue作为一个标量。

如果训练的环境是一个多代理仿真软件环境,指定一个标量应用相同的储蓄标准每个代理。金宝app保存剂,当一个人满足一个特定的标准,指定SaveAgentValue作为一个向量。在这种情况下,元素的顺序向量对应订单的创建环境时使用的代理。保存标准代理时,所有代理都保存在相同的垫文件。

当你指定一个条件保存候选人代理使用SaveAgentCriteria,软件将这个值设置为500。改变指定条件的值保存剂。看到SaveAgentCriteria选择更多的细节。

例子:“SaveAgentValue”, 100年

文件夹保存代理、指定为字符串或字符向量。文件夹可以包含一个完整或相对路径名称。当一个事件发生,满足指定的条件SaveAgentCriteria和SaveAgentValue选项,保存的软件代理在垫文件在这个文件夹中。如果该文件夹不存在,火车创建它。当SaveAgentCriteria是“没有”,此选项将被忽略火车不创建一个文件夹。

例子:SaveAgentDirectory, pwd +“\ run1 \代理”

国旗使用并行训练、指定为一个逻辑。设置这个选项真正的配置培训使用并行处理来模拟环境,从而使使用多核处理器,计算机集群或云资源加快训练速度。指定选择并行训练,使用ParallelizationOptions财产。

当UseParallel是真正的然后DQN、DDPG TD3,囊NumStepsToLookAhead财产或相应的代理必须设置为选择对象1,否则会生成一个错误。这可以保证连续存储的经历。当并行交流特工训练,如果生成一个警告StepsUntilDataIsSent财产的ParallelizationOptions对象设置为不同的值NumStepToLookAheadAC代理选择对象的属性。

请注意,如果你想加快深层神经网络计算(如梯度计算,参数更新和预测)使用当地的GPU,你不需要设置UseParallel为true。相反,当创建你的演员或评论家表示,使用一个rlRepresentationOptions对象的UseDevice选项设置为“图形”。使用并行计算或GPU需要并行计算工具箱™软件。另外需要使用计算机集群或云资源MATLAB并行服务器™。关于培训的更多信息使用多核处理器和gpu,明白了培训代理商使用并行计算和gpu。

例子:“UseParallel”,真的

并行化选项来控制并行训练,指定为一个ParallelTraining对象。培训使用并行计算的更多信息,请参阅强化学习培训代理。

的ParallelTraining对象具有以下属性,您可以修改后使用点符号创建rlTrainingOptions对象。

在命令行上显示培训进展,指定为逻辑值假(0)或真正的(1)设置真正的写的信息从每个训练集训练期间MATLAB命令行。

选择停止训练当一个错误发生在一集,指定为“上”或“关闭”。当这个选项“关闭”、错误捕获和返回的SimulationInfo的输出火车和培训继续下一集。

选项来显示与事件经理培训进展,指定为“训练进步”或“没有”。默认情况下,调用火车打开了强化学习集管理器,它以图形和数字显示培训进展的信息,如每集的奖励,平均回报,集,数量和总数量的步骤。(有关更多信息,请参见火车)。关掉这显示,设置这个选项“没有”。