我对建模系统很感兴趣，这个系统可以使用openai健身房来制作一个模型，不仅表现良好，而且希望更好，而且不断改进，以收敛于最好的动作。这就是我初始化env的方法env = gym.make("CartPole-v0")它返回一组信息；观察，奖励，完成和信息，信息总是没有，所以忽略它。因为这些是随机采样的动作，所以是随机移动。我认为我看到的可能是第一次观察到，如果它达到0，游戏结束，但
浏览 11提问于2018-08-28得票数 0
回答已采纳
2回答
观察意义- OpenAI健身房
、、、、
我想知道OpenAI健身房()的CartPole-v0观察规范。env = gym.make('CartPole-v0') observation = env.reset()
浏览 2提问于2016-09-06得票数 9
3回答
我想在笔记本上和OpenAI健身房一起玩，健身房也是在线的。matplotlib.pyplot as pltfrom IPython import display env.step(env.action_space.sample()) # take a random action
这起作用了，我在笔记本上看到了健身房<
浏览 1提问于2018-10-09得票数 21
我找不到OpenAI健身房环境'CartPole-v0‘和'CartPole-v1’之间的差异的确切描述。这两个环境都有独立的官方网站(请参阅和)，尽管我在gym github存储库中只能找到一个没有版本标识的代码(请参阅)。唯一的区别似乎在于他们内部分配的max_episode_steps和reward_threshold，可以如下所示进行访问。CartPole-v0的值为200/195.0，CartPole-v1的值为500/
浏览 236提问于2019-07-05得票数 18
回答已采纳
在多智能体游戏中可以使用的吗?具体来说，我想用四个玩家(代理)来模拟一个纸牌游戏。得分的玩家将在下一个回合开始。我如何建模玩家之间的必要协调(例如，谁是下一个)？最终，我想使用强化学习来学习四个互相对抗的代理。
浏览 5提问于2017-06-05得票数 29
回答已采纳
我有一个有多个离散动作空间的定制环境。行动和观察空间如下：MultiDiscrete([ 3 121 121 121 3 121 121 121 3 121 121 121 3 121 121 121 3 1213 121 121 121 3 121 121 121 3 121观察我需要一个与我的动作空间相同形状的输出。
如何处理这件事？
浏览 0提问于2019-07-03得票数 2
回答已采纳
今天，当我试图在openai-健身房环境下实现一个rl代理时，我发现了一个问题，似乎所有的代理都是从最初始的状态训练出来的：env.reset()，即initial_observation = env.reset() # <-- Note action就像这样：
env = gym.make("CartPole-v0</
浏览 0提问于2019-09-08得票数 7
回答已采纳
有没有一种方法可以在OpenAI健身房中禁用视频渲染，同时仍在录制它？
当我使用atari环境和Monitor包装器时，默认行为是不渲染视频(视频仍然被录制并保存到磁盘)。然而，在MountainCarContinuous-v0、CartPole-v0、Pendulum-v0等简单环境中，渲染视频是默认行为，我找不到如何禁用它(我仍然想将其保存到磁盘)。
浏览 2提问于2017-12-06得票数 7
1回答
我创建了一个自定义的openai健身房环境，它有一个离散的动作空间和一个有点复杂的状态空间。状态空间被定义为元组，因为它结合了一些连续的维度和其他离散的维度： import gym def对于可以处理这种观察空间的RL包，有什么建议吗？目前看来，openai基线和稳定基线都不能处理它。 或者，有没有一种不同的方式可以定义我的状态空间，以便将我的环
浏览 73提问于2019-10-09得票数 4
回答已采纳
在OpenAI ProcGen健身房，我没有办法让获得动作值的含义，我可以看到，对于使用env.action_space.n的coinrun环境，有15个动作。我试过健身房和Gym3版本。这就是我如何创造环境(健身房版)。这两种方法似乎都不起作用。env.action_spec()
env.env.get_action_mea
浏览 5提问于2020-06-12得票数 1
回答已采纳
我安装了OpenAI健身房，并试图运行入门购物车杆演示().(我正在Colab笔记本上跑步。)import gymenv.reset() env.render()这不学习，但它应该显示手推车和杆。当我运行它时，我会收到一个警告和一个错误。
WARN
浏览 1提问于2018-05-15得票数 1
回答已采纳
我正在玩RL colab，它使用健身房的CartPole-v0。我通过连接到远程centOS 7.3服务器(而不是谷歌驱动器)的jupyter打开了iPython笔记本。pip install gym[classic_control]env = gym.make('CartPole-v0')img = env.renderlen(self.format) * self.width * self.height))() 结果要么是(4 0 0)，要么是(4 155151283
浏览 40提问于2020-10-26得票数 0
我在OpenAI健身房做自定义环境，真的不明白，action_space是用来做什么的？我应该在里面放些什么？准确地说，我不知道什么是action_space，我没有在任何代码中使用它。
浏览 153提问于2019-06-17得票数 5
回答已采纳
在一些OpenAI健身房环境中，有一个"ram“版本。例如：Breakout-v0和Breakout-ram-v0。
使用Breakout-ram-v0，每个观察都是一个长度为128的数组。问题：我如何将Breakout-v0的观察(即160x210图像)转换为Breakout-ram-v0 (长度为128的数组)的观察形式？
浏览 4提问于2017-07-20得票数 6
2回答
我正在尝试使用OpenAI健身房来解决一个简单的问题，比如CartPole或连续的山地车。我使用的是python。
如果不是，我如何计算这些值，并使用环境？
浏览 12提问于2017-08-01得票数 3
我正在尝试创建一个简单的2D网格世界，Openai健身房环境，代理从网格世界中的任何地方到终端单元。例如，在5x5网格世界中，X是当前代理位置，O是代理流向的终端单元。.......X......O 离散值i，它表示代理的当前位置，是一个2d矩阵，除代理当前位置为1外，所有矩阵
浏览 3提问于2020-12-09得票数 0
我有一个庞大的离散动作空间，学习稳定性不好。我想要移动到连续的操作空间，但是任务的唯一输出可以是正整数(假设在0到999之间)。如何强制DNN输出正整数？
浏览 6提问于2022-08-03得票数 -1
3回答
我正尝试在WSL上使用来自OpenAI的著名的'Gym‘模块，并在python3.5.2上执行代码。当我尝试运行环境时，使用以下代码：env = gym.make('CartPole-v0') observation
浏览 5提问于2017-05-24得票数 29
2回答
在OpenAI健身房，我想知道同一状态下不同动作的下一个状态。如果有帮助，我这样做是为了区分LQR的动态和奖励，并使用InvertedPendulum环境。
浏览 8提问于2016-08-25得票数 2
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
