rlworkgroup/garage

Split GaussianMLPModel into several variants

Offen

#587 geöffnet am 19.03.2019

Auf GitHub ansehenContributor Guide
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (297 Forks)batch import
good first issuetf

Repository-Metriken

Stars
 (1.728 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

The current GaussianMLPModel actually represents several architecture variants, which makes it difficult to use and to test. We should split it into several variants based on architecture (and possibly parameterization)

description mean std_param
fixed variance MLP1 parameter (trainable or not)
split network MLP1 MLP2
shared network/multi-headed MLP1/head1 MLP1/head2

Contributor Guide

Research-Richtung
Untersuchen Sie die aktuelle GaussianMLPModel Klasse, um die drei Architekturvarianten (feste Varianz, geteiltes Netzwerk, gemeinsames Netzwerk) zu identifizieren. Entwerfen und implementieren Sie dann separate Klassen für jede Variante, stellen Sie die Abwärtskompatibilität sicher und fügen Sie Tests hinzu.
Tech Stack
python
Domain
machine learningai
Issue Type
Refactoring
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonPyTorch or TensorFlow (reinforcement learning)
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40