我正在用加固学习的AI进行AI，并且我得到的结果很奇怪，损失表明这样：TensorFlow损失：https：//i.stack.imgur.com/hispr.jpg
在训练时，每场比赛都在与随机玩家和具有加权矩阵的玩家进行比赛，但它上下移动：结果：https：//i.stack.imgur.com/mtwis.jpg
基本上，我正在做一个学习扮演奥赛罗的增强学习代理。使用电子怪事，在张tensorflow上使用keras体验重播和深层网络。尝试了不同的体系结构，例如Sigmoid，Relu和上面显示的Tanh中的图像。它们都有相似的损失，但结果有些不同。在这个景象中，代理商是从100k专业游戏中学习。这是架构，默认学习率为0.005：
model.add(Dense(units=200,activation='tanh',input_shape=(64,)))
model.add(Dense(units=150,activation='tanh'))
model.add(Dense(units=100,activation='tanh'))
model.add(Dense(units=64,activation='tanh'))
optimizer = Adam(lr=lr, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss=LOSS,optimizer=optimizer)
原始代码：https：//github.com/jordimd92/thellia/tree/keras
那么，为什么我得到这些结果？现在，我的输入是64个神经元（8*8矩阵），带有0个void正方形，1个黑色正方形和-1个白色正方形。使用负输入不好？
这可能是您的激活函数的问题。尝试使用relu而不是tanh，如果您使用的是深Q学习，则可能不需要任何激活功能或注意重置权重的优化器。