部署经过培训的强化学习策略
培训强化学习代理后，您可以生成代码以部署最佳策略。您可以生成：
库达®使用GPU编码器的深层神经网络策略代码™
表、深度神经网络或线性基函数策略的C/C++代码，使用MATLAB®编码器™
支持在任何输入路径中使用前馈神经网络的万博1manbetx代理生成代码，前提是支持所有使用的层。使用递归神经网络（RNN）的连续动作PG、AC、PPO和SAC代理不支持代码生成。
有关训练强化学习代理的更多信息，请参见培训强化学习代理．
要创建基于给定观察选择操作的策略评估函数，请使用generatePolicyFunction命令此命令生成一个包含策略评估函数的MATLAB脚本和一个包含最佳策略数据的MAT文件。
您可以使用GPU编码器或MATLAB编码器．
使用生成代码GPU编码器
如果经过训练的最优策略使用深度神经网络，则可以使用GPU编码器为策略生成CUDA代码。有关支持的GPU的更多信息，请参阅万博1manbetxGPU支万博1manbetx持情况（并行计算工具箱）．对于生成深度神经网络CUDA代码，有几个必需的和推荐的先决条件产品。s manbetx 845有关更多信息，请参见安装必备产品s manbetx 845(GPU编码器)和设置前提产品s manbetx 845(GPU编码器)．
并非所有的深度神经网络层都支持GPU代码生成。万博1manbetx有关受支持的层的列表，请参见万博1manbetx万博1manbetx支持的网络、层和类(GPU编码器). 有关GPU代码生成的更多信息和示例，请参阅基于GPU编码器的深度学习(GPU编码器)．
生成库达深层神经网络策略代码
以中训练的策略梯度代理为例，生成GPU代码训练PG代理平衡车杆系统．
装载训练有素的特工。
装载(“MATLABCartpolePG.mat”,“代理人”)
为此代理创建策略评估函数。
generatePolicyFunction(代理)
此命令创建evaluatePolicy.m文件，其中包含策略函数，以及agentData.mat文件，其中包含经过训练的深层神经网络参与者。对于给定的观察，策略函数使用参与者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择动作。
你可以使用GPU编码器为这个网络生成代码。例如，可以生成一个CUDA兼容的MEX函数。
配置编码基因函数来创建一个CUDA兼容的c++ MEX函数。
cfg=coder.gpuConfig(“墨西哥”); cfg.TargetLang=“C++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”）；
为策略评估功能设置示例输入值。要找到观察维度，请使用getObservationInfo作用在这种情况下，观察值位于四元素向量中。
argstr=“{1(4,1)}”；
使用编码基因作用
编码基因(“-config”,“cfg”,“evaluatePolicy”,“-args”argstr,“报告”）；
此命令生成MEX函数evaluatePolicy_mex．
使用生成代码MATLAB编码器
您可以为表，深度神经网络，或线性基函数策略生成C/ c++代码使用MATLAB编码器．
使用MATLAB编码器，你可以生成:
用于使用Q表、值表或线性基函数的策略的C/C++代码。有关通用C/C++代码生成的更多信息，请参见生成代码(MATLAB编码器)．
使用深度神经网络的策略的C++代码。请注意，使用递归神经网络（RNN）的连续动作PG、AC、PPO和SAC代理不支持代码生成。有关受支持图层的列表，请参见万博1manbetx代码生成支持的网络和层万博1manbetx(MATLAB编码器)。有关详细信息，请参阅深度学习与MATLAB编码器的先决条件(MATLAB编码器)和MATLAB编码器的深度学习(MATLAB编码器)．
为深度神经网络策略生成C代码，无需使用任何第三方库
例如，为在中培训的策略梯度代理生成不依赖于第三方库的C代码训练PG代理平衡车杆系统．
装载训练有素的特工。
装载(“MATLABCartpolePG.mat”,“代理人”)
为此代理创建策略评估函数。
generatePolicyFunction(代理)
此命令创建evaluatePolicy.m文件，其中包含策略函数，以及agentData.mat文件，其中包含经过训练的深层神经网络参与者。对于给定的观察，策略函数使用参与者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择动作。
配置编码基因函数生成适合于构建MEX文件的代码。
cfg=coder.config(“墨西哥”）；
在配置对象上，将目标语言设置为c++，并设置DeepLearningConfig“没有一个“。此选项不使用任何第三方库生成代码。
cfg。TargetLang =“C”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“没有”）；
为策略评估功能设置示例输入值。要找到观察维度，请使用getObservationInfo作用在这种情况下，观察值位于四元素向量中。
argstr=“{1(4,1)}”；
使用编码基因作用
编码基因(“-config”,“cfg”,“evaluatePolicy”,“-args”argstr,“报告”）；
此命令为包含深度神经网络角色的策略梯度代理生成C++代码。
使用第三方库生成深度神经网络策略的c++代码
以生成的c++代码为例，对策略梯度代理进行了训练训练PG代理平衡车杆系统使用“英特尔深度神经网络数学内核库”（MKL-DNN）。
装载训练有素的特工。
装载(“MATLABCartpolePG.mat”,“代理人”)
为此代理创建策略评估函数。
generatePolicyFunction(代理)
此命令创建evaluatePolicy.m文件，其中包含策略函数，以及agentData.mat文件，其中包含经过训练的深层神经网络参与者。对于给定的观察，策略函数使用参与者网络评估每个潜在动作的概率。然后，策略函数根据这些概率随机选择动作。
配置编码基因函数生成适合于构建MEX文件的代码。
cfg=coder.config(“墨西哥”）；
在配置对象上，将目标语言设置为c++，并设置DeepLearningConfig到目标库的mkldnn”。此选项使用用于深度神经网络的英特尔数学内核库(Intel MKL-DNN)生成代码。
cfg。TargetLang =“C++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）；
为策略评估功能设置示例输入值。要找到观察维度，请使用getObservationInfo作用在这种情况下，观察值位于四元素向量中。
argstr=“{1(4,1)}”；
使用编码基因作用
编码基因(“-config”,“cfg”,“evaluatePolicy”,“-args”argstr,“报告”）；
此命令为包含深度神经网络角色的策略梯度代理生成C++代码。
为Q表策略生成C代码
例如，为在中培训的Q-learning agent生成C代码在基本网格世界中训练强化学习代理．
装载训练有素的特工。
装载(“basicGWQAgent.mat”,“qAgent”)
为此代理创建策略评估函数。
generatePolicyFunction (qAgent)
此命令创建evaluatePolicy.m文件，其中包含策略函数，以及agentData.mat文件，其中包含经过训练的Q表值函数。对于给定的观察，策略函数使用Q表查找每个潜在操作的值函数。然后，策略函数选择价值函数最大的动作。
为策略评估功能设置示例输入值。要找到观察维度，请使用getObservationInfo作用在这种情况下，存在单个一维观测（属于一组离散的可能值）。
argstr='{[1]}'；
配置编码基因函数生成适用于静态库的可嵌入C代码，并将输出文件夹设置为buildFolder．
cfg=coder.config(“lib”); 外流器=“buildFolder”；
生成C代码使用编码基因作用
编码基因(“c”,“- d”倒转褶皱,“-config”,“cfg”,...“evaluatePolicy”,“-args”argstr,“报告”）；
另见
相关的话题
你也可以从以下列表中选择一个网站:
