Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

472 | Capítulo 16: Aprendizado por Reforço

all_gradients = [] # gradientes saçvos em cada etapa para cada episódio

for game in range(n_games_per_update):

current_rewards = [] # todas as recompensas do episódio atual

current_gradients = [] # todos os gradientes do episódio atual

obs = env.reset()

for step in range(n_max_steps):

action_val, gradients_val = sess.run(

[action, gradients],

feed_dict={X: obs.reshape(1, n_inputs)}) # uma obs

obs, reward, done, info = env.step(action_val[0][0])

current_rewards.append(reward)

current_gradients.append(gradients_val)

if done:

break

all_rewards.append(current_rewards)

all_gradients.append(current_gradients) ...