深度强化学习背景下batch size是什么意思？

Question

Batch size 指的是监督学习中神经工作训练的样本数量，然而，在强化学习的背景下，batch size 的含义是什么？它也指样品吗？如果是这样，样本在强化学习背景下的意义是什么？

Answer 1

与监督学习相比，批量大小在强化学习中确实意味着同样的事情。“批量学习”（通常在小批量中）的直觉有两个方面：

1. 由于硬件的内存限制，可能很难对超过 1,000,000 个数据点进行批量梯度下降。
2. 计算整个数据的一个子集上的损失梯度，即代表整个数据。如果您在每一步训练的批次不能代表整个数据，那么您的更新步骤就会存在偏差。

在监督学习中，比如神经网络，你会做小批量梯度下降来更新你的神经网络。在深度强化学习中，您正在训练相同的神经网络，因此它以相同的方式工作。

在监督学习中，您的批次将由一组特征及其各自的标签组成。在深度强化学习中，情况类似。它是一个元组（状态、动作、奖励、t + 1 时的状态，有时已完成）。

状态：描述您的环境的原始状态

动作：您在该环境状态下执行的动作

Reward：在该状态下执行该动作后获得的奖励信号

状态 t+1：您的操作将您转移到的新状态。

完成：一个布尔值，表示您的任务结束。例如，如果您训练 RL 下棋，完成的将是赢得或输掉国际象棋比赛。

您将采样一批这些 (s, a, r, s(t+1), done) 元组。然后将其输入到 TD 更新规则中，通常采用以下形式：

两个 Q 是动作值，通过将 s、s(t+1) 和 a 传递到您的神经网络来计算。

然后，您将使用 Q 作为标签更新您的神经网络。