主要内容

rlAgentInitializationOptions

选择初始化强化学习代理

自从R2020b

扩展所有的页面

描述

使用rlAgentInitializationOptions对象为代理指定初始化选项。创建一个代理,使用特定的代理创建函数,如rlACAgent。

创建

语法

initOpts = rlAgentInitializationOptions
initOpts = rlAgentInitializationOptions(名称、值)

描述

initOpts= rlAgentInitializationOptions返回一个默认选项对象初始化强化学习代理支持默认网络。金宝app使用初始化选项来指定代理初始化参数,如单位的数量为每个隐层的代理网络和是否使用递归神经网络。

例子

initOpts= rlAgentInitializationOptions (名称,值)创建一个对象并设置其初始化选项属性通过使用一个或多个参数名称-值对。

属性

全部展开

每个隐藏完全连接层的单位数量的代理网络,除了完全连接层网络输出前,指定为一个正整数。您设置的值也适用于任何LSTM层。

例子:“NumHiddenUnit”, 64年

国旗使用递归神经网络,指定为一个逻辑。

如果你设置UseRNN来真正的期间,代理创建软件插入一个经常性LSTM层与输出模式设置为序列的输出路径代理网络。政策梯度和actor-critic代理不支持递归神经网络。金宝app有关LSTM的更多信息,请参阅短期记忆神经网络。

请注意

TRPO代理不支持周期性网络。金宝app

例子:“UseRNN”,真的

对象的功能

rlACAgent Actor-critic (AC)强化学习代理
rlPGAgent 策略梯度(PG)强化学习代理
rlDDPGAgent 深决定性策略梯度(DDPG)强化学习代理
rlDQNAgent 深Q-network (DQN)强化学习代理
rlPPOAgent 近端政策优化(PPO)强化学习代理
rlTD3Agent Twin-delayed深确定性(TD3)政策梯度强化学习代理
rlSACAgent 软actor-critic (SAC)强化学习代理
rlTRPOAgent 信赖域策略优化(TRPO)强化学习代理

例子

全部折叠

打开生活的脚本

创建一个代理对象初始化选项,指定隐藏神经元的数量和使用递归神经网络。

initOpts = rlAgentInitializationOptions (NumHiddenUnit = 64, UseRNN = true)
initOpts = rlAgentInitializationOptions属性:NumHiddenUnit: 64 UseRNN: 1

您可以修改的选项使用点符号。例如,设置代理样品时间0.5。

initOpts。NumHiddenUnit = 128
initOpts = rlAgentInitializationOptions属性:NumHiddenUnit: 128 UseRNN: 1

创建您的代理,使用initOpts作为一个代理构造函数的输入参数。

版本历史

介绍了R2020b

另请参阅

对象

主题