schola.scripts.ray.settings.TrainingSettings
类定义
class schola.scripts.ray.settings.TrainingSettings(timesteps=3000, learning_rate=0.0003, minibatch_size=128, train_batch_size_per_learner=256, num_sgd_iter=5, gamma=0.99)基类: object
用于 RLlib 训练过程的通用训练设置的数据类。此类定义了训练的参数，包括时间步数、学习率、小批量大小以及控制训练过程的其他超参数。这些设置适用于任何 RLlib 算法，并且可以根据训练作业的具体要求进行自定义。
参数
时间步
Type: int
learning_rate
类型： float
minibatch_size
Type: int
train_batch_size_per_learner
Type: int
num_sgd_iter
Type: int
gamma
类型： float
属性
gamma
类型： float
Default: 0.99
强化学习算法的折扣因子。这用于计算未来奖励的现值。0.99 的值表示未来奖励每过去一个时间步将打折 1%。这有助于平衡训练过程中即时奖励和未来奖励的重要性。接近 1.0 的值将更侧重于未来奖励，而接近 0 的值将更侧重于即时奖励。
learning_rate
类型： float
Default: 0.0003
任何选定算法的学习率。这控制了在每次模型权重更新时，根据估计的误差调整模型权重的幅度。较小的值意味着较慢的学习，而较大的值意味着较快的学习。
minibatch_size
Type: int
默认值： 128
训练小批量的尺寸。这是在训练的每次迭代中使用来更新模型权重的样本数量。较大的批量大小可以导致更稳定的梯度估计，但需要更多内存，并且如果过大，可能会减慢训练速度。
name
类型： str
num_sgd_iter
Type: int
默认值： 5
每个批次的随机梯度下降 (SGD) 迭代次数。这是使用小批量中的样本更新模型权重的次数。更多迭代可以带来更好的收敛性，但也会增加训练时间。
时间步
Type: int
默认值： 3000
训练的时间步数。这是训练期间运行的总时间步数。
train_batch_size_per_learner
Type: int
Default: 256
在训练期间提供给每个学习器的样本数。必须能被 minibatch_size 整除。
方法
__init__
__init__(timesteps=3000, learning_rate=0.0003, minibatch_size=128, train_batch_size_per_learner=256, num_sgd_iter=5, gamma=0.99)返回类型： None
populate_arg_group
classmethod populate_arg_group(args_group)