Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Wird verwendet AWS DeepRacer , um Reinforcement-Learning kennenzulernen
Das Reinforcement Learning, insbesondere das Deep Reinforcement Learning, hat sich für eine Vielzahl von Problemen aus dem Bereich der autonomen Entscheidungsfindung bewährt. Es gibt Anwendungen im Finanzhandel, in der Kühlung von Rechenzentren, in der Flottenlogistik und im autonomen Rennsport, um nur einige zu nennen.
Reinforcement Learning hat das Potenzial, Probleme aus der Praxis zu lösen. Aufgrund seines umfangreichen technologischen Umfangs und seiner Tiefe weist es jedoch eine steile Lernkurve auf. Für Experimente in der realen Welt müssen Sie ein physikalisches Mittel konstruieren, z. B. einen autonomen Rennwagen. Es erfordert auch, dass Sie eine physische Umgebung sichern, z. B. eine Fahrstrecke oder eine öffentliche Straße. Die Einrichtung einer entsprechenden Umgebung kann kostspielig, gefährlich und zeitaufwendig sein. Es ist also mehr erforderlich als bloßes Wissen zum Thema Reinforcement Learning.
AWS DeepRacer vereinfacht den entsprechenden Prozess auf drei Arten und reduziert so die Lernkurve:
-
step-by-stepBeratung bei der Schulung und Evaluierung von Reinforcement-Learning-Modellen Die Anleitung umfasst vordefinierte Umgebungen, Zustände und Aktionen sowie anpassbare Belohnungsfunktionen.
-
Bereitstellung eines Simulators zur Emulierung von Interaktionen zwischen einem virtuellen Agenten und einer virtuellen Umgebung.
-
Verwendung eines AWS DeepRacer Fahrzeugs als physisches Mittel. Verwenden Sie das Fahrzeug, um ein trainiertes Modell in einer physischen Umgebung zu evaluieren. Dies ähnelt stark einem realen Anwendungsfall.
Als erfahrener Experte für maschinelles Lernen bietet Ihnen AWS DeepRacer eine gute Möglichkeit zur Entwicklung von Reinforcement-Learning-Modellen für den autonomen Rennsport in virtuellen und physischen Umgebungen. Mit nur drei Schritten können Sie mit AWS DeepRacer Reinforcement-Learning-Modelle für den autonomen Rennsport erstellen:
Trainieren eines individuellen Reinforcement-Learning-Modells für den autonomen Rennsport. Verwenden Sie dazu die in SageMaker KI integrierte AWS DeepRacer Konsole.
Nutzung des AWS DeepRacer -Simulators, um ein Modell über autonome Rennen in einer virtuellen Umgebung zu evaluieren und zu testen.
Bereitstellen eines trainierten Modells auf AWS DeepRacer -Modellfahrzeuge, um autonome Rennen in einer physischen Umgebung zu testen.
