PyTorch 实现了来自 "Asynchronous Methods for Deep Reinforcement Learning" 中的异步优势行为评论器 (A3C)。
PyTorch 实现了来自 "Asynchronous Methods for Deep Reinforcement Learning" 中的异步优势行为评论器 (A3C)。
这是对 "Asynchronous Methods for Deep Reinforcement Learning" 中的异步优势行为评价器 (A3C) 的 PyTorch 实现。 此实现灵感来自 Universe 启动代理。 与启动代理不同,它使用了与原始论文中一样的具有共享统计信息的优化器。 如果您在出版物中要引用此仓库,请使用以下 bibtex: @misc{pytorchaaac, 作者 = {Kostrikov, Ilya}, title = {PyTorch 实现的异步优势行为评论器}, 年份 = {2018}, 发布者 = {GitHub}, journal = {GitHub 存储库}, howpublished = {\\url{https://github.com/ikostrikov/pytorch-a3c}},}} }
我强烈推荐您查看同步版本和其他算法: pytorch-a2c-ppo-acktr。 根据我的经验, A2C 的性能要好于 A3C, ACKTR 也要好于它们两者。 此外, PPO 是一种非常适合连续控制的算法。 因此,我建议您先尝试 A2C/PPO/ACKTR, 如果出于某些特殊原因需要使用 A3C, 也可以这样做。 此外,请阅读 OpenAI 博客 以了解更多信息。
对于 PongDeterministic-v4,使用 16 个进程,在 15 分钟内就可以收敛。而对于 BreakoutDeterministic-v4,则需要几个小时以上。
暂无开放 Issues，或尚未同步最近议题。