我对 Deep Q Network 有几个问题。
DQN 是否只接受图像帧作为输入？我从未听过（阅读）不使用图像框架的文书工作。
如果第一个是否，那么图像帧作为训练的输入是否比任何其他选项更快？例如，在任何 atari 游戏中，帧输入是否可以更快地进行训练，同时具有相同的性能质量？
我知道图像帧也只是数字，就像其他数据一样，但据我所知，即使是低质量的帧也被认为是巨大的。
DQN 是否仅限于使用图像帧？
数据挖掘
强化学习
dqn
图片
图片大小
2022-03-10 18:44:31
1个回答
DQN 不仅接受图像帧作为输入。例如，这个用于 CartPole 环境的 DQN 处于一个只有 4 个元素的状态（小车的位置和速度以及杆的角度和速度）。
图像不一定比其他选项更有效。例如，这里是同一 CartPole 环境的另一个 DQN，它使用图像表示并且效率低得多。人们经常使用图像表示的几个原因包括：
- 它是任务的唯一可用表示。
- 其他模型使用图像表示，您想进行比较。
- 您希望向网络传递人类可用的相同信息。
但是，如果这些都不适用，如果您有一个表示可以让您更深入地了解屏幕中元素的位置或轨迹，那么最好使用它而不是原始图像。