Différences

Ci-dessous, les différences entre deux révisions de la page.

--- intelligence_du_pendule_de_furuta [2022/06/30 11:50] – [Installation de l'intelligence artificielle] serge
+++ intelligence_du_pendule_de_furuta [2022/10/07 10:11] (Version actuelle) – [Version avec ESP32] serge
@@ Ligne 52: / Ligne 52: @@
 =====Petit Pendule de Furuta=====
+====Version tout en python====
 Au bout de très longs apprentissages, le maître a fini par comprendre que pigpio empilait les callbacks à traiter ce qui décalait l'apprentissage par rapport au pendule réel.\\
 Le codeur du balancier de 4 000 points crée 16 000 callbacks. En estimant la vitesse de rotation du balancier à 1 tour par seconde, la fréquence d'appel du callback est de 16 000 Hz.\\
@@ Ligne 62: / Ligne 63: @@
 Le codeur de 4 000 points a été remplacé par un codeur de 1 000 points, qui est grandement suffisant: les frottements ne permettent pas d'apprécier la position du points zéro à mieux que +- 1 ou 2 points.
+===Training avec "best"===
+La méthode training_best de train_test.py est étrange: la doc n'est pas claire, ça ne finit jamais, il y a un message d'erreur au lancement assez obscure.
+<code python>
+eval_callback = EvalCallback(self.env,
+                                     best_model_save_path=self.best_model_save_path,
+                                     log_path=self.logdir,
+                                     eval_freq=500,
+                                     deterministic=True,
+                                     render=False)
+</code>
@@ Ligne 67: / Ligne 78: @@
 ====Installation, utilisation====
 tensorboard est dans les requirements.\\
-Voir **[[https://github.com/sergeLabo/furuta_rl/blob/main/furuta_soft/train_test.py|train_test.py]]** pour l'implémentation.\\
 Dans le dossier du projet, qui contient le venv=mon_env, lancer en terminal:
   ./mon_env/bin/tensorboard --logdir=logs