Google I / O از 18 تا 20 مه بازگشت دارد! فضا را ذخیره کنید و برنامه خود را بسازید اکنون ثبت نام کنید

Agents کتابخانه ای برای یادگیری تقویت 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 نوت بوک
TF-Agents با تهیه اجزای مدولار کاملاً آزمایش شده قابل اصلاح و گسترش ، طراحی ، پیاده سازی و آزمایش الگوریتم های جدید RL را آسان تر می کند. این امکان تکرار سریع کد را با یکپارچه سازی آزمون و محک زدن خوب فراهم می کند.