Exponenta Banner

setModel

Установите вычислительную модель для представления политики или функции ценности

Свернуть все на странице

    Синтаксис

    newRep = setModel(oldRep,model)

    Описание

    пример

    newRep = setModel(oldRep,model) возвращает новую политику или представление функции ценности, newRep, с тем же строением, что и исходное представление, oldRepи вычислительную модель, заданную в model.

    Примеры

    свернуть все

    Открыть Live Script

    Создайте окружение с непрерывным пространством действий и получите его наблюдение и спецификации действия. В данном примере загружает окружение, используемую в примере Train DDPG Agent для управления системой Double Integrator System.

    Загрузите предопределённое окружение.

    env = rlPredefinedEnv("DoubleIntegrator-Continuous")
    env = 
  DoubleIntegratorContinuousAction with properties:

             Gain: 1
               Ts: 0.1000
      MaxDistance: 5
    GoalThreshold: 0.0100
                Q: [2x2 double]
                R: 0.0100
         MaxForce: Inf
            State: [2x1 double]

    Получите наблюдения и спецификации действия.

    obsInfo = getObservationInfo(env);
actInfo = getActionInfo(env);

    Создайте агента PPO из окружения наблюдений и спецификаций действия.

    agent = rlPPOAgent(obsInfo,actInfo);

    Чтобы изменить глубокие нейронные сети в агенте обучения с подкреплением, необходимо сначала извлечь представления актёра и критика.

    actor = getActor(agent);
critic = getCritic(agent);

    Извлеките глубокие нейронные сети как из представлений актёра, так и критика.

    actorNet = getModel(actor);
criticNet = getModel(critic);

    Чтобы просмотреть сеть, используйте plot функция. Для примера просмотрите сеть актёра.

    plot(actorNet)

    Figure contains an axes. The axes contains an object of type graphplot.

    Можно модифицировать сети актёра и критика и сохранить их обратно агенту. Чтобы изменить сети, можно использовать приложение Deep Network Designer. Чтобы открыть приложение для каждой сети, используйте следующие команды.

    deepNetworkDesigner(criticNet)
deepNetworkDesigner(actorNet)

    В Deep Network Designer измените сети. Например, можно добавить дополнительные слои к сети. Когда вы изменяете сети, не изменяйте входной и выходной слои сетей, возвращаемых getModel. Дополнительные сведения о построении сетей см. в разделе Создание сетей с помощью Deep Network Designer.

    Чтобы экспортировать измененные структуры сети в рабочую область MATLAB ®, сгенерируйте код для создания новых сетей и запустите этот код из командной строки. Не используйте опцию экспорта в Deep Network Designer. Для примера, который показывает, как сгенерировать и запустить код, смотрите Создание агента с использованием Deep Network Designer и Train с использованием наблюдений изображений.

    В данном примере код для создания измененных сетей актёра и критика находится в createModifiedNetworks.m.

    createModifiedNetworks

    Каждая из измененных сетей включает дополнительную fullyConnectedLayer и reluLayer в их выходном пути. Просмотр измененной сети актёра.

    plot(modifiedActorNet)

    Figure contains an axes. The axes contains an object of type graphplot.

    После экспорта сетей вставьте сети в представления актёра и критика.

    actor = setModel(actor,modifiedActorNet);
critic = setModel(critic,modifiedCriticNet);

    Наконец, вставьте измененные представления актёра и критика в объекты актёра и критика.

    agent = setActor(agent,actor);
agent = setCritic(agent,critic);

    Входные параметры

    свернуть все

    Представление политики или функции ценности, заданное как одно из следующего:

    Чтобы создать представление политики или функции ценности, используйте один из следующих методов.

    • Создайте представление с помощью соответствующего объекта представления.

    • Получите существующее представление функции ценности от агента, используя getCritic.

    • Получите существующее представление политики от агента, используя getActor.

    Вычислительная модель, заданная как одно из следующего:

    • Глубокая нейронная сеть, заданная как массив Layer объекты, а layerGraph объект, a DAGNetwork объект, или dlnetwork объект. Входной и выходной слои model должны иметь те же имена и размерности, что и сеть, возвращенная getModel для того же представления. Здесь выход слой является слоем непосредственно перед слоем потерь выхода.

    • rlTable объект с теми же размерностями, что и модель таблицы, заданная в newRep.

    • Массив ячеек 1 на 2, который содержит указатель на функцию для пользовательской функции базиса и параметры базиса функций.

    При определении новой модели необходимо использовать тот же тип модели, что и уже определенный в newRep.

    Примечание

    Для агентов с более чем одним критиком, таких как TD3 и SAC, необходимо вызвать setModel для каждого представления критика индивидуально, а не вызов setModel для массива возвращенных getCritic.

    critics = getCritic(myTD3Agent);
% Modify critic networks.
critics(1) = setModel(critics(1),criticNet1);
critics(2) = setModel(critics(2),criticNet2);
myTD3Agent = setCritic(myTD3Agent,critics);

    Выходные аргументы

    свернуть все

    Представление новой политики или функции ценности, возвращаемое как объект представления того же типа, что и oldRep. Помимо новой вычислительной модели, newRep то же, что и oldRep.

    См. также

    | | | |

    Темы

    Введенный в R2020b

    Документация по приложению Reinforcement Learning Toolbox

    Поддержка