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。
有关培训强化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选择操作的策略评估函数，请使用生成策略函数命令。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．
使用生成代码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版金宝app本支持(并行计算工具箱)。有几种必需的和推荐的先决产品可用于为深度神经网络生成CUDA代码。有关更多信息，请参阅下载188bet金宝搏安装必备产品下载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）．
并非所有深层神经网络层都支持GPU代码生成。有关受支持图层的列表，请参金宝app见金宝app支持的网络、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GPU编码器的深度学习（GPU编码器）．
生成CUDA深度神经网络策略代码
例如，为在中培训的策略梯度代理生成GPU代码培训PG代理以平衡车柱系统．
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”，“代理”）
为该代理创建策略评估函数。
generatePolicyFunction（代理）
该命令创建评估政策包含策略函数的文件，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编码器生成此网络的代码。例如，您可以生成与CUDA兼容的MEX函数。
配置codegen函数创建CUDA兼容的C++ MEX函数。
cfg = coder.gpuConfig (墨西哥人的）;cfg.TargetLang=“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”）;
设置策略评估函数的示例输入值。要查找观察维度，请使用获取观测信息函数。在这种情况下，观测值是一个四元素向量。
argstr =“{one（4,1）}”；
使用codegen函数。
codegen (“配置”，“cfg”，“evaluatePolicy”，“参数”，argstr，“-报告”）;
此命令生成MEX函数评估政策．
使用生成代码MATLAB编码员
您可以使用以下方法为表、深度神经网络或线性基函数策略生成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培训PG代理以平衡车柱系统．
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”，“代理”）
为该代理创建策略评估函数。
generatePolicyFunction（代理）
该命令创建评估政策包含策略函数的文件，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函数生成适合构建MEX文件的代码。
cfg = coder.config (墨西哥人的）;
在配置对象上，将目标语言设置为C++，并设置深度学习配置到没有一个”。此选项不使用任何第三方库生成代码。
cfg.TargetLang=“C”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“没有”）;
设置策略评估函数的示例输入值。要查找观察维度，请使用获取观测信息函数。在这种情况下，观测值是一个四元素向量。
argstr =“{one（4,1）}”；
使用codegen函数。
codegen (“配置”，“cfg”，“evaluatePolicy”，“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。
用第三方库生成深度神经网络策略的C++代码
作为例子，生成用于训练的策略梯度代理的C++代码。培训PG代理以平衡车柱系统使用英特尔深度神经网络数学内核库(MKL-DNN)。
给训练有素的特工装上子弹。
负载(“MATLABCartpolePG.mat”，“代理”）
为该代理创建策略评估函数。
generatePolicyFunction（代理）
该命令创建评估政策包含策略函数的文件，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函数生成适合构建MEX文件的代码。
cfg = coder.config (墨西哥人的）;
在配置对象上，将目标语言设置为C++，并设置深度学习配置到目标库'mkldnn“。此选项使用“英特尔深度神经网络数学内核库”（英特尔MKL-DNN）生成代码。
cfg.TargetLang=“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;
设置策略评估函数的示例输入值。要查找观察维度，请使用获取观测信息函数。在这种情况下，观测值是一个四元素向量。
argstr =“{one（4,1）}”；
使用codegen函数。
codegen (“配置”，“cfg”，“evaluatePolicy”，“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训练强化学习Agent．
给训练有素的特工装上子弹。
负载(“basicGWQAgent.mat”，“qAgent”）
为该代理创建策略评估函数。
generatePolicyFunction (qAgent)
该命令创建评估政策包含策略函数的文件，以及agentData.mat文件，其中包含经过训练的Q表值函数。对于给定的观察，策略函数使用Q表查找每个潜在操作的值函数。然后，策略函数选择值函数最大的操作。
设置策略评估函数的示例输入值。要查找观察维度，请使用获取观测信息函数。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构建文件夹．
cfg = coder.config (“自由”）;倒转褶皱=“buildFolder”；
使用codegen函数。
codegen (“-c”，“-d”，外接器，“配置”，“cfg”，．．.“evaluatePolicy”，“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网站：
