DQN理解输入输出(层)

DQN understanding input and output (layer)

我对 DQN 的输入和输出(层)有疑问。

例如

两点:P1(x1, y1) 和 P2(x2, y2)

P1 必须走向 P2

我有以下信息:

P1 有 4 个可能的动作:

如何设置输入和输出层?

对吗? 我与输出有什么关系? 我有 4 个数组,每个数组有 4 个值作为输出。 对输出执行 argmax 是否正确?

编辑:

输入/状态:

# Current position P1
state_pos = [x_POS, y_POS]
state_pos = np.asarray(state_pos, dtype=np.float32)
# Current position P2
state_wp = [wp_x, wp_y]
state_wp = np.asarray(state_wp, dtype=np.float32)
# Distance P1 - P2 
state_dist_wp = [wp_x - x_POS, wp_y - y_POS]
state_dist_wp = np.asarray(state_dist_wp, dtype=np.float32)
# Direction P1 - P2
distance = [wp_x - x_POS, wp_y - y_POS]
norm = math.sqrt(distance[0] ** 2 + distance[1] ** 2)
state_direction_wp = [distance[0] / norm, distance[1] / norm]
state_direction_wp = np.asarray(state_direction_wp, dtype=np.float32)
state = [state_pos, state_wp, state_dist_wp, state_direction_wp]
state = np.array(state)

网络:

def __init__(self):
    self.q_net = self._build_dqn_model()
    self.epsilon = 1 

def _build_dqn_model(self):
    q_net = Sequential()
    q_net.add(Dense(4, input_shape=(4,2), activation='relu', kernel_initializer='he_uniform'))
    q_net.add(Dense(128, activation='relu', kernel_initializer='he_uniform'))
    q_net.add(Dense(128, activation='relu', kernel_initializer='he_uniform'))
    q_net.add(Dense(4, activation='linear', kernel_initializer='he_uniform'))
    rms = tf.optimizers.RMSprop(lr = 1e-4)
    q_net.compile(optimizer=rms, loss='mse')
    return q_net

def random_policy(self, state):
    return np.random.randint(0, 4)

def collect_policy(self, state):
    if np.random.random() < self.epsilon:
        return self.random_policy(state)
    return self.policy(state)

def policy(self, state):
    # Here I get 4 arrays with 4 values each as output
    action_q = self.q_net(state)

向 DQN 提供一些关于它当前面向的方向的信息也是有意义的。您可以将其设置为(当前位置 X、当前位置 Y、目标 X、目标 Y、方向)。

输出层应该按照您确定的顺序(上、左、下、右)排列。 Argmax 层适用于该问题。确切的代码取决于您是否使用 TF / Pytorch。

在第一个 Dense 层中添加 input_shape=(4,2) 导致输出形状为 (None, 4, 4)。 通过以下方式定义 q_net 即可解决:

q_net = Sequential()
q_net.add(Reshape(target_shape=(8,), input_shape=(4,2)))
q_net.add(Dense(128,  activation='relu', kernel_initializer='he_uniform'))
q_net.add(Dense(128, activation='relu', kernel_initializer='he_uniform'))
q_net.add(Dense(128, activation='relu', kernel_initializer='he_uniform'))
q_net.add(Dense(4, activation='linear', kernel_initializer='he_uniform'))
rms = tf.optimizers.RMSprop(lr = 1e-4)
q_net.compile(optimizer=rms, loss='mse')
return q_net

此处,q_net.add(Reshape(target_shape=(8,), input_shape=(4,2))) 将 (None, 4, 2) 输入重塑为 (None, 8) [此处,None 表示批量形状]。

为了验证,打印 q_net.output_shape 它应该是 (None, 4) [而在之前的例子中它是 (None, 4, 4)]。

你还需要做一件事。回想一下 input_shape 没有考虑批处理形状。我的意思是,input_shape=(4,2) 期望形状为 (batch_shape, 4, 2) 的输入。通过打印 q_net.input_shape 来验证它,它应该输出 (None, 4, 2)。现在,您要做的是 - 为您的输入添加一个批次维度。您只需执行以下操作:

state_with_batch_dim = np.expand_dims(state,0)

并将state_with_batch_dim作为输入传递给q_net。例如,您可以像 policy(np.expand_dims(state,0)) 一样调用您编写的 policy 方法并获得维度 (batch_shape, 4) 的输出 [在本例中为 (1,4)].

以下是您最初问题的答案:

  1. 你的输出层应该有 4 个节点(单元)。
  2. 你的第一个密集层不一定要有 4 个节点(单元)。如果您考虑 Reshape 层,节点或单元的概念不适合那里。您可以将 Reshape 层视为占位符,它采用形状为 (None, 4, 2) 的张量并输出形状为 (None, 8) 的重塑张量。
  3. 现在,您应该得到形状为 (None, 4) 的输出 - 在那里,4 个值代表 4 个对应动作的 q 值。无需在此处执行 argmax 即可找到 q 值。