能否在训练前和训练过程中修改OpenAI gym的状态?

我想做的就是修改一个环境,例如使用超级马里奥兄弟的gym环境,并模糊代理训练的图像,看看强化学习代理是否仍然能够在这些“模糊”的状态下学习。

OpenAI是否允许进行这样的操作?我该如何添加gym环境的前处理步骤?


回答:

我建议你为你的gym环境创建一个包装器,在step()reset()函数中添加处理步骤

这里有一小段代码来说明这个想法:

class EnvWrapper(gym.Env):    def __init__(self, config):        self.env = gym.make("Your-Env-Name")    # 包装器封装了gym环境        def step(self, action):        obs, reward, done, info = self.env.step(action)   # 调用gym环境的方法        obs = self._blur(obs)                             # 应用你的特定处理        return obs, reward, done, info    def reset(self):        obs = self.env.reset()    # 对reset也进行相同处理        return self._blur(obs)    def _blur(self):        do_whatever_you_need

使用这种方法,你无需对原始环境进行任何修改,这通常是一个好主意

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注