除了 openAI's doc ,我没能找到更详细的文档。
我需要知道正确的创建方法:
一个具有
1..n
个可能操作的操作空间。 (当前使用离散 Action 空间)具有
2^n
状态的观察空间 - 已采取的每种可能的操作组合的状态。 我想要 Action 向量的 one-hot 表示 - 1 表示已采取行动
,0 表示尚未采取行动
如何使用 openAI 的 Gym 做到这一点?
谢谢
最佳答案
在撰写本文时,gym
包提供的 gym.Spaces
都不能用于镜像单一热编码表示。
幸运的是,我们可以通过创建 gym.Spaces
的子类来定义自己的空间。
我做了这样一个类,可能正是你所需要的:
import gym
import numpy as np
class OneHotEncoding(gym.Space):
"""
{0,...,1,...,0}
Example usage:
self.observation_space = OneHotEncoding(size=4)
"""
def __init__(self, size=None):
assert isinstance(size, int) and size > 0
self.size = size
gym.Space.__init__(self, (), np.int64)
def sample(self):
one_hot_vector = np.zeros(self.size)
one_hot_vector[np.random.randint(self.size)] = 1
return one_hot_vector
def contains(self, x):
if isinstance(x, (list, tuple, np.ndarray)):
number_of_zeros = list(x).contains(0)
number_of_ones = list(x).contains(1)
return (number_of_zeros == (self.size - 1)) and (number_of_ones == 1)
else:
return False
def __repr__(self):
return "OneHotEncoding(%d)" % self.size
def __eq__(self, other):
return self.size == other.size
您可以这样使用它:
-> space = OneHotEncoding(size=3)
-> space.sample()
array([0., 1., 0.])
-> space.sample()
array([1., 0., 0.])
-> space.sample()
array([0., 0., 1.])
希望能帮到你
关于python - OpenAI Gym - 如何打造独热观察空间?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54022606/