1

有没有办法获得一个随机选择一个类的类Model的对象。keras每次都是真正随机的，不仅用网络的初始化权重阻塞训练和评估。

我需要将 a 传递Model给图书馆keras-rl以制作随机代理，以测试我是否在改进。

我的模型定义是：

inp = Input(shape=(1,)+(1, ))
out = Lambda(lambda x: tf.random_uniform((1000,)), output_shape=(1000,), trainable=False) (inp)

model = Model(inputs=inp, outputs=out)
model.compile(loss=huber_loss, optimizer=Adam(lr=lr))
print(model.summary())

# memory
memory = PrioritizedMemory(limit=500000, alpha=.6, start_beta=.4, end_beta=.4, window_length=1)

# policy
policy = LinearAnnealedPolicy(EpsGreedyQPolicy(), attr='eps', 
                              value_max=1., value_min=.1, value_test=.05, 
                              nb_steps=10000)

agent = DQNAgent(model=model, nb_actions=env.action_space.n, memory=memory,                     nb_steps_warmup=10,enable_double_dqn=False, enable_dueling_network=True,
                 gamma=.999,target_model_update=1e-2, policy=policy)
agent.compile(optimizer=Adam(lr=lr))

但这给了我这个例外：

ValueError: Dimensions must be equal, but are 1001 and 0 for 'lambda_9/add' (op: 'Add') with input shapes: [?,1001,1], [?,0,1001].
4

0 回答 0