标签： neural-network reinforcement-learning
我目前正在使用具有100个隐藏元素的简单神经网络训练强化学习代理来解决2048游戏。我正在使用DQN的强化学习算法（即带有重放记忆的Q学习），但是使用2层神经网络而不是深度神经网络。
然而，我让它在我的笔记本电脑上训练过夜（约7小时，约1000场比赛，> 100000步）并且得分似乎没有增加。我怀疑我的代码中可能存在3个错误来源：错误，参数调整严重，或者我可能不会等待足够长的时间。
有没有方法可以找出代码有什么问题？ 改善培训结果的最佳做法是什么？
答案 0 :(得分：0)
我会谈谈你所有的三个假设。
如果您使用的是像caffe或tensorflow这样的标准DL框架，那么它成为bug的可能性很小。
尝试降低学习率。也许你设置它太高，网络无法收敛。
100000步的训练时间不长。对于简单的pong game，您需要训练大约500000步才能获得良好的准确度。所以你可以尝试更长时间的训练。
此外，2048是一个相当复杂的游戏，所以也许你的网络不够深入，无法学习如何玩它。对于如此复杂的游戏来说，两层并不多。尝试增加隐藏图层的数量。也许您可以使用提供的网络here