讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

Seko
Seko

AI短剧一键生成成片

Laper
Laper

剧本策划到成片协作

如何在Python中通过TensorFlow 2.x实现强化学习DQN

千磊姑娘_1990

千磊姑娘_1990

发布时间:2026-11-22 09:56:26

|

967人浏览过

|

来源于php中文网

原创

DQN在TensorFlow 2.x中需手动构建Q网络、经验回放和训练循环,因核心在于目标网络冻结更新、经验回放采样与贝尔曼误差梯度裁剪三者耦合,仅用Dense堆叠无法满足。

如何在python中通过tensorflow 2.x实现强化学习dqn

DQN 在 TensorFlow 2.x 中不是开箱即用的现成类,必须手动构建 Q 网络、经验回放和训练循环——直接调用 tf.keras.Model + tf.GradientTape 是最可控也最常见的方式。

为什么不能直接用 tf.keras.layers.Dense 搭个网络就完事?

DQN 的核心不在前向传播,而在三个耦合环节:目标网络冻结更新、经验回放采样、贝尔曼误差梯度裁剪。只搭一个 QNetwork 类,不处理这些,模型会发散或学不到策略。

  • 目标网络(target_model)必须与主网络结构完全一致,但参数每 update_target_every 步才同步一次,不能用 model.set_weights() 频繁拷贝(性能差),推荐用 tf.group([t.assign(s) for t, s in zip(target_vars, source_vars)])
  • 经验回放必须用 collections.deque 或自定义环形缓冲区,不能用普通 list——否则 sample() 时索引越界或内存暴涨
  • tf.GradientTape 内必须同时追踪 q_values 和 target_q 的计算路径,否则 tape.gradient(loss, model.trainable_variables) 会返回 None

如何写一个最小可跑的 DQN 训练循环?

以 CartPole-v1 为例,关键逻辑集中在 train_step() 函数里,其余都是胶水代码。

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载
  • 输入 batch 数据后,用主网络算当前动作的 q_values:current_q = model(states).numpy(),再用 np.argmax(current_q, axis=1) 提取选中动作索引
  • 用目标网络算下一状态的最大 q_next:q_next = target_model(next_states),注意别忘了加 tf.stop_gradient() 包裹,否则梯度会流进目标网络
  • 构造目标值:target_q = rewards + (1 - dones) * gamma * tf.reduce_max(q_next, axis=1),其中 dones 是布尔数组,必须转成 float 才能参与运算
  • 只对被选中的动作计算 loss:loss = tf.keras.losses.mse(target_q, tf.reduce_sum(q_values * tf.one_hot(actions, num_actions), axis=1))

哪些参数最容易导致训练失败?

不是网络层数或学习率本身,而是它们在 DQN 特定流程里的组合效应。

立即学习“Python免费学习笔记(深入)”;

  • gamma = 0.99 是常规值,但如果环境稀疏奖励(如 Atari 生存类),设成 0.995 可能反而让 agent 过早放弃探索
  • epsilon_decay 别用线性衰减;CartPole 推荐从 1.0 降到 0.01 花 1000 步,但 Breakout 需要 1e6 步——硬编码步数会卡死训练
  • batch_size 太小(如 16)导致 q_next 方差大;太大(如 512)又让单步更新太慢;32–128 是安全区间
  • 经验回放缓冲区大小设 10000 对 CartPole 够用,但若用 tf.data.Dataset.from_generator 动态加载,容易因 prefetch 引发重复采样 bug

真正难的不是写通第一个 episode,而是让 loss 曲线稳定下降且 reward 不突然坍塌——这往往意味着目标网络更新时机不对,或者 reward clipping 没做(尤其在 Atari 中,原始 reward 可达 ±100,必须 clip 到 [-1, 1])。

热门AI工具

更多
创客贴AI

创客贴AI是一款AI图像与设计工具,AI辅助的智能在线设计工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5664

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34797

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn