DLR-RM/stable-baselines3

Prioritized Experience Replay for DQN

Open

#1,242 opened on 2022年12月26日

GitHub で見る
 (10 comments) (0 reactions) (0 assignees)Python (6,550 stars) (1,407 forks)batch import
enhancementhelp wanted

説明

🚀 Feature

Prioritized Experience Replay for DQN

Motivation

No response

Pitch

No response

Alternatives

No response

Additional context

No response

Checklist

  • I have checked that there is no similar issue in the repo

コントリビューターガイド

技術スタック
pythonpytorch
領域
machine learning
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
3-5 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
active
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
needs investigation
前提条件
Familiarity with DQNPyTorch basicsStable Baselines3 codebase
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
30
調査方針
The issue requests implementing Prioritized Experience Replay (PER) for DQN, as introduced in the paper by Schaul et al. (2015). Start by examining the existing DQN implementation in stable baselines3, located in `stable baselines3/dqn/`. The PER logic should modify the replay buffer to sample transitions with probability proportional to TD error, and adjust the loss accordingly. Reference other implementations like the one in `openai/baselines` or `rl adventure` for guidance. Engaging with the issue comments may reveal community suggestions or potential design decisions.