如何在Python中使用TensorFlow实现深度强化学习DQN

雨芳同学_5581

雨芳同学_5581

2026-09-10

901人浏览

原创

DQN不能直接用model.fit()训练,因其依赖贝尔曼方程动态生成目标Q值、需经验回放采样、目标网络解耦更新、且损失计算仅针对被选动作,而model.fit()要求静态标签、不支持上述机制。

如何在python中使用tensorflow实现深度强化学习dqn

DQN 在 TensorFlow 中不是“直接调用一个函数就能跑通”的东西,它需要你手动搭建经验回放、目标网络、ε-贪心策略和梯度更新逻辑;TensorFlow 本身不提供现成的 tf.keras.layers.DQN 或类似封装。

为什么不能直接用 model.fit() 训练 DQN

DQN 的训练方式和监督学习根本不同:它不依赖固定标签,而是靠贝尔曼方程自生成目标 Q 值,且每个 batch 的目标值会随网络参数动态变化。如果你强行套用 model.fit():

  • 目标 Q 值会用当前网络算两次(Q(s,a) 和 Q(s',a')),导致严重正反馈震荡
  • 无法接入经验回放(replay_buffer)的采样机制
  • 目标网络(target_model)没法和训练网络解耦更新
  • 损失函数必须是 tf.keras.losses.mse(y_true=Q_target, y_pred=Q_pred),但 y_true 需要每步重算,不能预存

必须自己写的四个核心组件

用 TensorFlow 2.x(推荐 2.10+)实现 DQN,以下四块缺一不可,且顺序和更新时机敏感:

  • replay_buffer:建议用 collections.deque 或 tf.TensorArray 存储 (state, action, reward, next_state, done) 元组;容量设为 100000 起步,太小会导致样本相关性高
  • online_model 和 target_model:两个结构完全相同的 tf.keras.Model;target_model 不参与反向传播,只通过 target_model.set_weights(online_model.get_weights()) 定期硬同步(如每 1000 步)
  • ε-贪心策略:训练中用 np.random.random() 决定是否随机选动作;epsilon 从 1.0 线性衰减到 0.01,别衰太快(前 10k 步至少保持 >0.5)
  • 单步训练逻辑:从 buffer 取 batch → 用 online_model 算当前 Q(s,a) → 用 target_model 算 max_a' Q(s',a') → 构造 y_true = reward + gamma * max_a' Q(s',a') * (1-done) → 只对被选动作索引位置更新 loss

tf.GradientTape 下如何正确更新 Q 值

关键陷阱:不能对整个输出向量计算 MSE,必须只修正被选动作对应的那个 Q 值。否则梯度会污染其他动作分支,破坏策略收敛:

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载
with tf.GradientTape() as tape:
    q_values = online_model(state_batch)  # shape: [B, num_actions]
    q_action = tf.reduce_sum(q_values * tf.one_hot(action_batch, num_actions), axis=1)
    q_target = reward_batch + gamma * tf.reduce_max(target_model(next_state_batch), axis=1) * (1.0 - done_batch)
    loss = tf.keras.losses.mse(q_target, q_action)
grads = tape.gradient(loss, online_model.trainable_variables)
optimizer.apply_gradients(zip(grads, online_model.trainable_variables))

注意:tf.one_hot(action_batch, num_actions) 是关键——它把 q_values 中真正执行的动作挑出来,其余动作的梯度为 0。漏掉这步,模型会学着让所有动作 Q 值趋同。

环境交互与训练节奏怎么配

别一上来就边采样边训练。典型可靠节奏是:

  • 先用纯随机策略跑满 replay_buffer 初始容量(比如 10000 步),再开始训练
  • 每步环境交互后,以一定概率(如 0.2)才触发一次训练(避免过拟合最新经验)
  • batch_size 设为 32 或 64;太小不稳定,太大内存吃紧且梯度方向单一
  • 训练网络每 4 步更新一次,目标网络每 1000 步硬同步一次——这是原论文设定,改之前先验证 baseline

真实调试时,q_target 和 q_action 的均值差异如果长期 >5,基本说明目标网络没更新、reward 缩放失当,或 gamma 设太高(>0.99 容易发散)。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33717

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程