با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

Agents یک کتابخانه برای یادگیری تقویتی در TensorFlow است.

import tensorflow as tf
from tf_agents.networks import q_network
from tf_agents.agents.dqn import dqn_agent

q_net = q_network.QNetwork(
  train_env.observation_spec(),
  train_env.action_spec(),
  fc_layer_params=(100,))

agent = dqn_agent.DqnAgent(
  train_env.time_step_spec(),
  train_env.action_spec(),
  q_network=q_net,
  optimizer=optimizer,
  td_errors_loss_fn=common.element_wise_squared_loss,
  train_step_counter=tf.Variable(0))

agent.initialize()
اجرا در یک نوت بوک
TF-Agents طراحی، پیاده‌سازی و آزمایش الگوریتم‌های جدید RL را با ارائه مولفه‌های مدولار به خوبی آزمایش‌شده و قابل تغییر و توسعه آسان‌تر می‌کند. این امکان تکرار سریع کد را با یکپارچه سازی تست خوب و محک زدن فراهم می کند.