我是第一次接触强化学习,我正在使用RLlib在OpenAI健身房中处理自定义环境的RL。在创建自定义环境时,是否需要在__init__()方法中指定剧集数?ALso,当我用
for _ in range(10):
trainer.train()一次迭代需要多少时间步长?是否等于自定义环境中定义的剧集数?谢谢。
发布于 2021-07-02 05:25:26
我认为你需要为一集中的最大步数设置的是超参数‘`horizon’。
发布于 2020-07-26 16:10:31
我用Ray发现,只有当你的环境设置为'done/_terminated‘时,剧集才会终止。当在其他框架上运行时,算法通常有一个num_steps等超参数。我之所以发现这一点,是因为如果我的代理卡住了,它就会永远停在那里,所以我需要在环境本身中添加最大时间步长检查。
剧集的数量是在环境之外设置的。
https://stackoverflow.com/questions/62184928
复制相似问题