使用大量图像训练强化学习模型
Train a reinforcement learning model with a large amount of images
我正在尝试训练一个深度强化学习模型来完成迷宫逃脱任务，每次都以一张图像作为输入（例如，不同的"maze"）。
假设我有大约 10K 个不同的迷宫图像，理想情况是在训练 N 个迷宫后，我的模型可以很好地快速解决其余 10K - N 个图像中的拼图。
我写信是想询问一些关于如何 select 训练任务的好 N 的好 idea/empirical 证据。
一般来说，我应该如何估计和增强我的强化模型"transfer learning"的能力？让它更通用？
如有任何意见或建议，我们将不胜感激。谢谢。
首先，
我强烈建议您使用 2D 数组 作为迷宫地图而不是 images，它会使您的模型变得巨大赞成，因为这是一种提取更多特征的方法。尝试使用 2D 阵列，其中墙壁由零点地面上的一个显示。
关于找到优化的 N:
您的模型架构比所有数据中训练数据的份额或批量大小重要得多。最好做一个设计好的模型，然后通过测试不同的N来找到N的优化量（因为它只是一个变量，优化N的过程你自己可以很容易地完成）。
我正在尝试训练一个深度强化学习模型来完成迷宫逃脱任务，每次都以一张图像作为输入（例如，不同的"maze"）。
假设我有大约 10K 个不同的迷宫图像，理想情况是在训练 N 个迷宫后，我的模型可以很好地快速解决其余 10K - N 个图像中的拼图。
我写信是想询问一些关于如何 select 训练任务的好 N 的好 idea/empirical 证据。
一般来说，我应该如何估计和增强我的强化模型"transfer learning"的能力？让它更通用？
如有任何意见或建议，我们将不胜感激。谢谢。
首先，
我强烈建议您使用 2D 数组 作为迷宫地图而不是 images，它会使您的模型变得巨大赞成，因为这是一种提取更多特征的方法。尝试使用 2D 阵列，其中墙壁由零点地面上的一个显示。
关于找到优化的 N:
您的模型架构比所有数据中训练数据的份额或批量大小重要得多。最好做一个设计好的模型，然后通过测试不同的N来找到N的优化量（因为它只是一个变量，优化N的过程你自己可以很容易地完成）。