openAI gym动作空间

qq_16568205

于 2019-07-01 00:15:03 发布

阅读量2.8k

点赞数

CC 4.0 BY-SA版权

分类专栏： python 文章标签： gym openAI

本文链接：https://blog.youkuaiyun.com/qq_16568205/article/details/94364069

python 专栏收录该内容

30 篇文章

订阅专栏

本文介绍了使用gym库中的CartPole-v0环境进行强化学习的基本概念。通过实例展示了离散动作空间和Box观察空间的特点，解释了有效动作和观察值的范围。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import gym
env = gym.make('CartPole-v0')
print(env.action_space)
#> Discrete(2)
print(env.observation_space)
#> Box(4,)

The Discrete space allows a fixed range of non-negative numbers, so in this case valid actions are either 0 or 1. The Box space represents an n-dimensional box, so valid observations will be an array of 4 numbers. We can also check the Box’s bounds:

离散空间允许固定范围的非负数，因此在这种情况下（上面例子），有效动作为0或1. Box空间表示n维框，因此有效观察将是4个数字的数组。我们还可以查看Box的界限：

gym文档：http://gym.openai.com/docs/、

gym环境：http://gym.openai.com/envs/#classic_control