АН
https://stackoverflow.com/questions/56964657/cartpole-v0-loss-increasing-using-dqn
вот тут простое, если причина в этом, то поможет, если нет то нет :/
вот тут простое, если причина в этом, то поможет, если нет то нет :/
Size: a a a
2021 October 27
MM
можно последить за поведением получаемых value, advantage значений
2021 October 30
EZ
@cydoroga чел добавляет всех в левый чат
SK
удалил 😉
2021 October 31
c
Bonjour
2021 November 01
SK
сап чат,
вместе с @vkurenkov ищем ресечеров и студентов на темы связанные с Offline RL, RecSys.RL, RecSys
цель - публикации
подробности - лучше в личке, это ж не _jobs
:thanks:
вместе с @vkurenkov ищем ресечеров и студентов на темы связанные с Offline RL, RecSys.RL, RecSys
цель - публикации
подробности - лучше в личке, это ж не _jobs
:thanks:
2021 November 18
it
⚡ — Начинаем семинар, присоединяйтесь! https://youtu.be/aD5aONXrYzA
it
Сейчас идёт
2021 November 28
АС
видео недоступно
AK
2021 December 02
AY
JORLDY: OpenSource Reinforcement Learning Framework
https://www.reddit.com/r/reinforcementlearning/comments/qp9aj5/jorldy_opensource_reinforcement_learning_framework/?utm_medium=android_app&utm_source=share
https://www.reddit.com/r/reinforcementlearning/comments/qp9aj5/jorldy_opensource_reinforcement_learning_framework/?utm_medium=android_app&utm_source=share
p
Кто-нибудь пробовал?
сравнивали с каталистом и/или RayRL?
сравнивали с каталистом и/или RayRL?
AY
Ещё нет
ID
а смысл в нем какой? да вообще вцелом во всех этих фреймворках? кто-то запилил / переписал неск. алг-мов и добавил коннекторы к енвам, объединив все в одно репо, не понимаю...
AY
Был опыт с handyrl. Но когда дело дошло до следующего соревнования, применить его не получилось😒
2021 December 03
ID
Тогда брошу еще один, сегодня увидел у товарища в гитхбае:
https://github.com/thu-ml/tianshou
https://github.com/thu-ml/tianshou
AG
Вижу, например, смысл в недавно увиденном, в котором каждый алгоритм реализован независимо/лаконично/аккуратно (во всяком случае преподносится так) в виде отдельном файлика. Так может быть проще модифицировать/использовать/разбираться.
2021 December 06
SK
сап чат,
если кому интересен Offline RL evaluation,
check нашу с @vkurenkov идею [1]
кратко
искали способы ускорить evaluation для Prod.RL, посмотрели на NLP - Expected Validation Performance, вдохновились да и перенесли общую идею в Offline RL domain с бенчмарками и доработками (куда ж без танцев с бубном)
подробности
welcome на Offline Reinforcement Learning Workshop at NeurIPS [2] - будем там рассказывать, или просто пишите
PS. если кто подобным увлекаетесь - за cite будем благодарны, как сказали авторы "Should I Run Offline Reinforcement Learning or Behavioral Cloning?" [3]:
> "Thank you for pointing us to the interesting paper" - душевно.
PS2. всем NeuIPS.RL 🤖
1. paper: https://arxiv.org/abs/2110.04156
2. ORL workshop: https://offline-rl-neurips.github.io/2021/
3. another paper https://openreview.net/forum?id=AP1MKT37rJ
если кому интересен Offline RL evaluation,
check нашу с @vkurenkov идею [1]
кратко
искали способы ускорить evaluation для Prod.RL, посмотрели на NLP - Expected Validation Performance, вдохновились да и перенесли общую идею в Offline RL domain с бенчмарками и доработками (куда ж без танцев с бубном)
подробности
welcome на Offline Reinforcement Learning Workshop at NeurIPS [2] - будем там рассказывать, или просто пишите
PS. если кто подобным увлекаетесь - за cite будем благодарны, как сказали авторы "Should I Run Offline Reinforcement Learning or Behavioral Cloning?" [3]:
> "Thank you for pointing us to the interesting paper" - душевно.
PS2. всем NeuIPS.RL 🤖
1. paper: https://arxiv.org/abs/2110.04156
2. ORL workshop: https://offline-rl-neurips.github.io/2021/
3. another paper https://openreview.net/forum?id=AP1MKT37rJ
АК
🔥, спасибо
AG
звучит отлично!