pytorch a3c

pytorch-a3c

這是從“深度強化學習的異步方法”中實施異步優勢演員評論家（A3C）的pytorch實施。

該實現受環球入門代理的啟發。與初學者相反，它使用具有共享統計信息的優化器，如原始論文所示。

如果您想在出版物中引用此存儲庫，請使用此Bibtex：

 @misc{pytorchaaac,
  author = {Kostrikov, Ilya},
  title = {PyTorch Implementations of Asynchronous Advantage Actor Critic},
  year = {2018},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {url{https://github.com/ikostrikov/pytorch-a3c}},
}

A2C

我強烈建議您檢查Syschronous版本和其他算法：Pytorch-A2C-PPPO-ACKTR。

根據我的經驗，A2C的效果比A3C更好，而ACKTR比兩個都更好。此外，PPO是連續控制的絕佳算法。因此，我建議您首先嘗試A2C/PPO/ACKTR，並僅在需要某些原因的情況下使用A3C。

還請閱讀OpenAI博客以獲取更多信息。

貢獻

貢獻非常歡迎。如果您知道如何使此代碼更好，請隨時發送拉動請求。

用法

 # Works only wih Python 3.
python3 main.py --env-name " PongDeterministic-v4 " --num-processes 16

此代碼除了16個過程外，還在單獨的線程中運行評估。

結果

通過16個過程，它會在15分鐘內收斂於Pongdeterministic-V4。

對於BreakoutDeterministic-V4，它花費了幾個多小時。