MLకి మార్గం పాము-dqn

Программирование

ML మరియు ట్రేడింగ్‌లో మొదటి దశల కోసం మీకు కావలసినవి tensorflow-jsలో కనుగొనబడ్డాయి.

ఇది dqn శిక్షణ, ఇక్కడ చర్యలకు ఏజెంట్‌కు బహుమతులు మరియు జరిమానాలు ఇవ్వబడతాయి.

https://github.com/tensorflow/tfjs-examples/tree/master/snake-dqn

https://storage.googleapis.com/tfjs-examples/snake-dqn/index.html

కదలడానికి తన స్వంత అనుభవం నుండి నేర్చుకునే పాము మన వద్ద ఉందని తేలింది. ఆమెకు నిర్దిష్ట సంఖ్యలో కదలికలు ఉన్నాయి (తిరగండి లేదా కొనసాగించండి) మరియు ఆమె పనిని పండించడం. మొదట్లో, పాముకి ఎలా తెలియదు, కానీ శిక్షణ సమయంలో, అది పండ్లను కనుగొని ఓడించగల సామర్థ్యాన్ని పొందుతుంది. ఇది ట్రేడింగ్‌తో సమానంగా ఉంటుంది, కాదా?

బాగా, కనీసం మా పని కోసం, మేము డేటా అమలులో ఉన్నప్పుడు, మరియు రోబోట్ కొనుగోలు లేదా విక్రయించడానికి నిర్ణయం తీసుకోవాలి.

పాము యొక్క మైనస్ ఏమిటంటే ఇది node.js కోసం వ్రాయబడింది మరియు మేము బ్రౌజర్‌లో శిక్షణ పొందగలగాలి (తద్వారా ఏ వినియోగదారు అయినా దీన్ని చేయగలరు). అందువల్ల, క్లయింట్‌పై కూడా అదే చేయవలసి వచ్చింది.

నేను పామును చార్ట్‌తో నా పేజీకి లాగి లాంచ్ చేయడానికి ప్రయత్నించాను. అది అక్కడ లేదు!

పాము తిరిగి పోరాడింది

ముందుగా ప్యాకేజీలు,

అప్పుడు వాదనలు. (మార్గం ద్వారా, నేను పరిష్కారానికి పక్కన పుల్ అభ్యర్థనను కూడా చేసాను https://github.com/tensorflow/tfjs-examples/pull/353),

ఆపై %%అన్ హ్యాండిల్‌డ్ రిజెక్షన్ (టైప్‌ఎర్రర్): క్లాస్‌ని ఫంక్షన్%%గా కాల్ చేయడం సాధ్యం కాదు. ఇక్కడ మరమ్మతు చేయబడుతోంది https://github.com/tensorflow/tfjs/pull/3906/files, కానీ అప్పటి నుండి ఇంకా విడుదల లేదు, కాబట్టి నేను దానిని నా చేతులతో భర్తీ చేయాల్సి వచ్చింది. ఇక్కడ, చాలా మందికి సమస్య ఉంది https://github.com/tensorflow/tfjs/issues/3384.

fs నుండి పనిని ఇండెక్స్‌డ్‌బితో భర్తీ చేయడం వంటి మైనర్లు ఇప్పటికే మరింత ముందుకు సాగారు. నేను ఇక్కడ గూఢచర్యం చేసిన దానితో పని చేయండి. బాగా, సాధారణంగా, కార్ట్-పోల్ ప్రారంభంలో క్లయింట్‌లో ప్రతిదీ చేయడానికి నన్ను ప్రేరేపించింది.

https://github.com/tensorflow/tfjs-examples/tree/master/cart-pole

https://storage.googleapis.com/tfjs-examples/cart-pole/dist/index.html

చివరికి, ఇది జరిగింది:

https://github.com/pskucherov/opexflow/pull/16/files

బాగా, వాస్తవానికి, తదుపరి దశ ఇలా ఉంటుంది:

  1. చార్ట్‌లకు సరిపోతాయి
  2. విజువలైజేషన్
  3. గరిష్ట ఫలితాన్ని చూపడానికి తెలిసిన డేటాపై రోబోట్‌కు శిక్షణ ఇవ్వండి

క్లయింట్‌పై రోబోట్‌ల పని-శిక్షణకు సంబంధించిన వీడియో డెమో క్రింద ఉంది. ఏదో ఒక రోజు వారు నాకు బదులుగా స్బేర్‌బ్యాంక్ ఫ్యూచర్‌లను కూడా వర్తకం చేస్తారు.

pskucherov
Rate author
Add a comment