Question

我的目标是开发一个 DQN代理 ，它将根据特定的策略/政策选择其行动。我以前曾在OpenAi体育馆环境中工作，但现在我想创建自己的RL环境。

在此阶段，代理要么选择随机动作，要么根据深度神经网络（在 DQN 类中定义）给出的预测选择其动作。。

到目前为止，我已经设置了神经网络模型和我的环境。 NN将接收状态作为其输入。这些状态代表11个可能的标量值，范围从9.5到10.5（9.5、9.6，...，10.4、10.5）。由于我们正在处理RL，因此代理会在培训过程中生成其数据。输出应为0和1，与建议的操作相对应。

现在，我想为代理商提供一个标量值：例如x = 10的样本状态并让他决定要采取的动作（称为Agent.select_action（）），我遇到了与输入形状/输入尺寸有关的问题。

代码如下： 1。 DQN类别：

class DQN():

    def __init__(self, state_size, action_size, lr):
        self.state_size = state_size
        self.action_size = action_size
        self.lr = lr

        self.model = Sequential()
        self.model.add(Dense(128, input_dim=self.state_size, activation='relu'))
        self.model.add(Dense(128, activation='relu'))
        self.model.add(Dense(self.action_size, activation='linear'))

        self.model.compile(optimizer=Adam(lr=self.lr), loss='mse')

        self.model.summary()


    def model_info(self):
        model_description = '\n\n---Model_INFO Summary: The model was passed {} state sizes,\
            \n {} action sizes and a learning rate of {} -----'\
                            .format(self.state_size, self.action_size, self.lr)
        return model_description

    def predict(self, state):
        return self.model.predict(state)

    def train(self, state, q_values):
        self.state = state
        self.q_values = q_values
        return self.model.fit(state, q_values, verbose=0)

    def load_weights(self, path):
        self.model.load_weights(path)

    def save_weights(self, path):
        self.model.save_weights(path)

2。座席类别：

NUM_EPISODES = 100
MAX_STEPS_PER_EPISODE = 100
EPSILON = 0.5 
EPSILON_DECAY_RATE = 0.001
EPSILON_MIN = 0.01
EPSILON_MAX = 1
DISCOUNT_FACTOR = 0.99
REPLAY_MEMORY_SIZE = 50000
BATCH_SIZE = 50
TRAIN_START = 100
ACTION_SPACE = [0, 1]
STATE_SIZE = 11 
LEARNING_RATE = 0.01

class Agent():
    def __init__(self, num_episodes, max_steps_per_episode, epsilon, epsilon_decay_rate, \
        epsilon_min, epsilon_max, discount_factor, replay_memory_size, batch_size, train_start):
        self.num_episodes = NUM_EPISODES
        self.max_steps_per_episode = MAX_STEPS_PER_EPISODE
        self.epsilon = EPSILON
        self.epsilon_decay_rate = EPSILON_DECAY_RATE
        self.epsilon_min = EPSILON_MIN
        self.epsilon_max = EPSILON_MAX
        self.discount_factor = DISCOUNT_FACTOR
        self.replay_memory_size = REPLAY_MEMORY_SIZE
        self.replay_memory = deque(maxlen=self.replay_memory_size)
        self.batch_size = BATCH_SIZE
        self.train_start = TRAIN_START
        self.action_space = ACTION_SPACE
        self.action_size = len(self.action_space)
        self.state_size = STATE_SIZE
        self.learning_rate = LEARNING_RATE
        self.model = DQN(self.state_size, self.action_size, self.learning_rate)

    def select_action(self, state):
        random_value = np.random.rand()
        if random_value < self.epsilon:
            print('random_value = ', random_value)       
            chosen_action = random.choice(self.action_space) # = EXPLORATION Strategy
            print('Agent randomly chooses the following EXPLORATION action:', chosen_action)       
        else: 
            print('random_value = {} is greater than epsilon'.format(random_value))       
            state = np.float32(state) # Transforming passed state into numpy array
            prediction_by_model = self.model.predict(state) 
            chosen_action = np.argmax(prediction_by_model[0]) # = EXPLOITATION strategy
            print('NN chooses the following EXPLOITATION action:', chosen_action)       
        return chosen_action

if __name__ == "__main__":
    agent_test = Agent(NUM_EPISODES, MAX_STEPS_PER_EPISODE, EPSILON, EPSILON_DECAY_RATE, \
        EPSILON_MIN, EPSILON_MAX, DISCOUNT_FACTOR, REPLAY_MEMORY_SIZE, BATCH_SIZE, \
            TRAIN_START)
    # Test of select_action function:
    state = 10 
    state = np.array(state)
    print(state.shape)
    print(agent_test.select_action(state))

这是运行此代码时遇到的回溯错误：

**ValueError**: Error when checking input: expected dense_209_input to have 2 dimensions, but got array with shape ()

我不确定为什么会发生有关2维的错误，因为我已将DQN类中的NN配置为仅接收1维。

我已经阅读了关于stackoverflow的类似问题（Keras Sequential model input shape，Keras model input shape wrong，Keras input explanation: input_shape, units, batch_size, dim, etc）。但是，我仍无法根据我的用例调整建议。

您有什么建议或提示吗？谢谢您的帮助！

Answer 1

这里有几个问题。首先，您所说的state_size实际上是一个状态空间，即代理可以处于的所有可能状态的集合。状态大小实际上为1，因为您只想传递一个参数作为状态。

在此处定义输入层时：

self.model.add(Dense(128, input_dim=self.state_size, activation='relu'))

您说输入维等于11，但是当您调用预测时，将其传递1个数字（10）。

因此，您需要修改input_dim以仅接收一个数字，或者可以定义状态向量，例如state = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])，每个数字对应一个可能的状态（从9.5到10.5）。因此，当状态为9.5时，您的状态向量为[1, 0, 0, ...0]，依此类推。

第二个问题是，在定义状态时，应放在方括号中

state = np.array([10])

否则，数组的形状为（），我相信您已经发现了。

希望有帮助！让我知道您是否需要任何澄清。

Keras模型：RL代理的输入形状尺寸错误

1 个答案: