A3C-LSTM
结合LSTM的A3C强化学习算法的Python实现,在CartPole环境中测试。说明中提到该模型不收敛,并推荐DDPG版本。
分享到 X未声明许可证
概述
这是使用LSTM网络的A3C(异步优势Actor-Critic)强化学习算法的Python实现，在OpenAI Gym的CartPole环境上测试。它基于Arthur Juliani的TensorFlow教程和Mnih等人2016年的论文。作者说明这只是示例代码，该模型在CartPole上不收敛。
主要特点
- 用TensorFlow实现带LSTM的A3C智能体
- 仅在大于30的小批量上训练
- 用奖励系数支持较快的学习率
- 每100回合保存模型，可重载继续训练或测试
适用场景
适合想了解带LSTM的A3C如何搭建的读者。自述文件提醒它不收敛，并推荐用DDPG版本获得可用模型。
- 上游仓库
- liampetti/A3C-LSTM
- GitHub 上的 fork
- Guo-astro/A3C-LSTM
- 上游 Star 数
- 48
- 分类
- 金融、数据与研究
- 编程语言
- Python
- 许可证
- 未声明许可证没有许可证时，作者保留所有权利。复用代码前请先询问上游作者。
- Fork 时间
- 2018-05-20
- 同步状态
- 已同步上次同步 2026-09-29
同分类更多: 金融、数据与研究
面向分析师、量化人员和AI代理的开放数据平台，可用Python获取股票、加密货币、期权和经济等金融数据。
系统化量化交易的资源精选列表，涵盖加密货币、股票、期货、期权和外汇等领域的库与工具。
每天抓取arXiv新论文并用AI总结，通过GitHub Pages展示的工具。帮助研究者跟进论文并突出感兴趣的主题。
- real-time-person-elderly-fall-detection-systemfork 自 AwaisShah75/Real-Time-Person-Elderly-Fall-Detection-System已同步
基于摄像头视频实时检测跌倒的计算机视觉系统，面向老人看护。力求减少坐下、睡觉造成的误报，并应对被家具遮挡的情况。