그래서 숨겨진 레이어가없는 아주 단순한 신경망을 만들려고합니다. 입력 (3 개 요소)과 선형 출력 (2 개 요소) 만 있습니다.TensorFlow가 가중치를 업데이트하지 않습니다
그때 그때 목표 값과 교육의 사각 다른를 최소화하기 위해
# training network
with tf.variable_scope('prediction'):
state_tensor = tf.placeholder('float32', [None, input_size], name='state_tensor')
w['q_w'] = tf.get_variable('Matrix', [state_tensor.get_shape().as_list()[1], action_size], tf.float32, tf.random_normal_initializer(stddev=0.02))
w['q_b'] = tf.get_variable('bias', [action_size], initializer=tf.constant_initializer(0))
q = tf.nn.bias_add(tf.matmul(state_tensor, w['q_w']), w['q_b'])
내가 최적화를 정의하는 교육 네트워크를 구축 일부 매장 구성에 변수와 무게
# some configs
input_size = 3
action_size = 2
min_delta, max_delta = -1, 1
learning_rate_op = 0.5
w = {} # weights
을 정의 네트워크
# weight optimizer
with tf.variable_scope('optimizer'):
# tensor to hold target value
# eg, target_q_tensor=[10;11]
target_q_tensor = tf.placeholder('float32', [None], name='target_q_tensor')
# tensors for action_tensor, for action_tensor matrix and for value deltas
# eg, action_tensor=[0;1], action_one_hot=[[1,0];[0,1]], q_acted=[Q_0,Q_1]
action_tensor = tf.placeholder('int64', [None], name='action_tensor')
action_one_hot = tf.one_hot(action_tensor, action_size, 1.0, 0.0, name='action_one_hot')
q_acted = tf.reduce_sum(q * action_one_hot, reduction_indices=1, name='q_acted')
# delta
delta = target_q_tensor - q_acted
clipped_delta = tf.clip_by_value(delta, min_delta, max_delta, name='clipped_delta')
# error function
loss = tf.reduce_mean(tf.square(clipped_delta), name='loss')
# optimizer
# optim = tf.train.AdamOptimizer(learning_rate_op).minimize(loss)
optim = tf.train.GradientDescentOptimizer(learning_rate_op).minimize(loss)
그리고 마지막으로 무한 루프. 그러나, 무게가 업데이트되지 않습니다, 그들은 내가 작업 DQN 구현의 코드를했다
with tf.Session() as sess:
tf.initialize_all_variables().run()
s_t = np.array([[1,0,0],[1,0,1],[1,1,0],[1,0,0]])
action = np.array([0, 1, 0, 1])
target_q = np.array([10, -11, -12, 13])
while True:
if counter % 10000 == 0:
q_values = q.eval({state_tensor: s_t})
for i in range(len(s_t)):
print("q", q_values[i])
print("w", sess.run(w['q_w']), '\nb', sess.run(w['q_b']))
sess.run(optim, {target_q_tensor: target_q, action_tensor: action, state_tensor: s_t})
를 초기화하고있는 임의의 값을 유지하는, 그래서 내가 노골적으로 뭔가를 잘못하고 있어요 그림. 네트워크는 수렴해야
# 0 | 1
####################
1,0,0 # 10 13
1,0,1 # x -11
1,1,0 # -12 x
그러나 그들은 전혀 변화를 않습니다. 어떤 포인터?
손실을 클리핑하는 것이 문제의 원인입니다. 그러나 나는 왜 그런지 이해하지 못합니다 ...
그래디언트 디센트가 가중치를 변경하지 못하게하는 유일한 방법은 손실이 0 인 경우입니다. 아마도 계산 그래프의 모든 값을 한 번에 확인해보십시오. 라인을 따라 손실이 0 인 경우 무언가가 0이되어야합니다. – Lunaweaver
내 손실은 항상 1입니다. | – BlueMoon93
죄송합니다, 나는 ** 손실의 손실 ** 그라디언트 ** 의미 ... 어느 쪽이든, 아래 내 대답을 시도? – Lunaweaver