Bantuan melindungi Great Barrier Reef dengan TensorFlow pada Kaggle Bergabung Tantangan

Agents adalah library untuk pembelajaran penguatan di TensorFlow.

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()
Run di Notebook
TF-Agents membuat perancangan, penerapan, dan pengujian algoritme RL baru menjadi lebih mudah, dengan menyediakan komponen modular yang teruji dengan baik yang dapat dimodifikasi dan diperluas. Ini memungkinkan iterasi kode yang cepat, dengan integrasi pengujian dan benchmarking yang baik.