DQN理解输入和output（层）

Question

我对 DQN 的输入和 output（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：

• 当前 position P1 (x/y)
• 当前 position P2 (x/y)
• 到 P1-P2 的距离 (x/y)
• 到 P1-P2 的方向 (x/y)

P1 有 4 个可能的操作：

• 向上
• 下
• 剩下
• 正确的

如何设置输入和 output 层？

• 4个输入节点
• 4 output 节点

那是对的吗？ 我与 output 有什么关系？ 我得到了 4 个 arrays，每个有 4 个值作为 output。 在 output 上做 argmax 是否正确？

编辑：

输入/State：

# 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)

Answer 1

在第一个 Dense 层中添加input_shape=(4,2)导致 output 形状为(None, 4, 4) 。 用以下方式定义 q_net 可以解决它：

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

在这里， q_net.add(Reshape(target_shape=(8,), input_shape=(4,2)))将 (None, 4, 2) 输入重塑为 (None, 8) [这里，None 表示批处理形状]。

为了验证，打印q_net.output_shape它应该是(None, 4) [而在前一种情况下它是(None, 4, 4) ]。

你还需要做一件事。 回想一下input_shape没有考虑批量形状。 我的意思是， input_shape=(4,2)期望输入形状为 (batch_shape, 4, 2)。 通过打印q_net.input_shape进行验证，它应该是 output (None, 4, 2) 。 现在，您需要做的是 - 在您的输入中添加一个批次维度。 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，您可以调用您编写的policy方法，如policy(np.expand_dims(state,0))并获取维度(batch_shape, 4) [在本例中为(1,4) ] 的 output。

以下是您最初问题的答案：

1. 您的 output 层应该有 4 个节点（单元）。
2. 您的第一个密集层不一定必须有 4 个节点（单元）。 如果您考虑Reshape层，则节点或单元的概念不适合那里。 您可以将Reshape层视为一个占位符，它采用形状为 (None, 4, 2) 的张量并输出形状为 (None, 8) 的重构张量。
3. 现在，您应该得到形状 (None, 4) 的输出 - 这 4 个值代表 4 个相应动作的 q 值。 无需在此处执行argmax即可找到 q 值。

Answer 2

向 DQN 提供一些有关其当前所面临方向的信息也可能是有意义的。 您可以将其设置为 (Current Pos X, Current Pos Y, X From Goal, Y From Goal, Direction)。

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