TF-Agent深度Q学习:如何提取状态/动作对的预测值？

Question

我有一个使用函数SavedModelPyTFEagerPolicy从磁盘读取的策略。为了排除环境定义的故障，我想检查不同状态的预测值。

我已经成功地使用这些指示从测试用例策略中提取操作。是否有允许我提取与这些操作相关的预测值的函数？

Answer 1

查看Tensorflow DQN代理文档，您可以在创建时将Q网络交给代理。这个变量被保存为一个名为_q_network的实例变量，并且可以用agent._q_network访问。引用下列文件：

网络将被调用(观察，step_type)，并且应该在操作空间上发出日志。

这些逻辑是您各自的状态操作值。