在游戏2048例子中理解强化学习

Question

所以我想通过做一些例子来学习强化学习。我写了2048游戏，但我不知道我是否正确训练。据我所知，我必须创建神经网络。我为每个号码创建了16个输入。然后隐藏层12x8和4输出用于移动（向上，向右，向下，向左）。 （lat层的激活函数线性函数和休息的relu）然后我运行一个完整的游戏并保存所有的移动和奖励（0-没有发生，-2-不移动的移动，-1当移动丢失的游戏和移动做某事时所获得的得分数）。当游戏结束时，我从最后一步做了反向传播算法。我做得很严格还是什么？我知道有像tensorflow这样的库，但我想要理解这一切。

Answer 1

我会咨询this GitHub repo，因为它完全符合您的要求。

您实际上可以实时使用上述解决方案here。

如果你想真正了解这一切的基本原理，那就超出了StackOverflow上的一篇文章的范围。