用大量图像训练强化学习模型

Question

我正在尝试训练一个深度强化学习模型来完成迷宫逃逸任务，并且每次它都以一张图像作为输入（例如，不同的“迷宫”）。

假设我有大约 10K 个不同的迷宫图像，理想的情况是在训练 N 个迷宫之后，我的模型可以很好地快速解决剩下的 10K - N 个图像中的难题。

我写信是为了询问一些关于如何为训练任务选择好的 N 的好主意/经验证据。

一般来说，我应该如何估计和增强我的强化模型的“迁移学习”能力？让它更通用？

任何意见或建议将不胜感激。谢谢。

Answer 1

首先，

我强烈建议您使用 2D 数组 来制作迷宫地图，而不是 图像，这会对您的模型大有帮助，因为 这是一个更多特征提取方法。尝试使用 2D 数组，其中墙壁由以 0 为基础的 1 显示。

关于找到优化的 N：

您的模型架构比所有数据中的训练数据份额或批量大小更重要。最好做一个设计好的模型，然后通过测试不同的N来找到N的优化量（因为它只是一个变量，优化N的过程可以自己轻松完成）。