与OpenAI Gym兼容的双字嵌入映射。
gym-embedding-world的Python项目详细描述
OpenAI健身房嵌入世界
一个八维超立方体图。
与OpenAI gym兼容的双字嵌入映射。
要求:
- Python3.5+
- OpenAI健身房
- 努比
- 根西姆
在水蟒上安装环境
$ conda env create -f gym-embedding-world/environment.yml
$ source embedding-world
$ pip install -e gym-embedding-world/.
在Colab上安装环境
!git clone "https://github.com/SamirMoustafa/gym-embedding-world.git"
!pip install -e gym-embedding-world/.
!mv gym-embedding-world gym-embedding-world-org
!cp -r gym-embedding-world-org/embedding_world /content
!ls embedding_world
用法
$ python >>> import gym
$ python >>> import embedding_world
$ python >>> env = gym.make('embedding_world-v0')
$ python >>> env.set_paths(embedding_from_file="... YOUR EMBEDDING PATH TO MAP FROM IT ...",
embedding_to_file ="... YOUR EMBEDDING PATH TO MAP TO IT .....")
$ python >>> env.production_is_off()
$ python >>> env.set_sentences('... YOUR SENTENCE TO TRANSLATE FROM IT ...',
'... YOUR SENTENCE TO TRANSLATE TO IT .....')
$ python >>> state, reward, done, info = env.step('dim(0)+1')
embedding_world-v0
Embedding World是一个基于OpenAI Gym的简单环境,它加载具有N维的两个字嵌入,并使用代理操作从一个字嵌入位置移动到另一个嵌入位置,这样可以采取的操作是从1到n的范围内的^{ 最终导致相应的状态转换
但是,需要网格代理的操作会使状态保持不变。
在达到目标之前,所有转换的奖励都是负的。
终端状态(目标)用向量/s表示。 这个环境是作为毕业设计的一部分在University of Alexandria, Department of Computer Science 如果要在出版物中引用此存储库,请使用此bibtex:@misc{embedding_world,
author = {Samir Moustafa},
title = {Embedding Environment for OpenAI Gym},
year = {2019},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/SamirMoustafa/gym-embedding-world}}
}
推荐PyPI第三方库