Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Utilisez AWS DeepRacer pour découvrir l'apprentissage par renforcement
L'apprentissage par renforcement, notamment l'apprentissage par renforcement profond, s'est avéré efficace pour résoudre un large éventail de problèmes de prises de décision autonomes. Il possède des applications de transactions financières, de refroidissement des centres de données, de logistique de flotte et de course autonome, pour n'en citer que quelques-uns.
L'apprentissage par renforcement est capable de résoudre des problèmes concrets. Cependant, sa courbe d'apprentissage est ardue en raison de sa portée et de sa profondeur technologiques étendues. Pour expérimenter dans le monde réel, vous devez créer un agent physique, tel qu'une voiture de course autonome. Cela nécessite également que vous sécurisiez un environnement physique, tel qu'une piste de conduite ou une voie publique. Cela peut s'avérer onéreux, dangereux et chronophage. Ces exigences vont au-delà d'une simple compréhension de l'apprentissage par renforcement.
Pour réduire la courbe d'apprentissage, AWS DeepRacer simplifie le processus de trois manières :
-
Offrir des step-by-step conseils lors de la formation et de l'évaluation des modèles d'apprentissage par renforcement. Les instructions incluent des environnements, des états et des actions prédéfinis, ainsi que des fonctions de récompense personnalisables.
-
Fourniture d'un simulateur pour émuler les interactions entre un agent virtuel et un environnement virtuel.
-
Utilisation d'un DeepRacer véhicule AWS en tant qu'agent physique. Utilisez le véhicule pour évaluer un modèle formé dans un environnement physique. Ceci ressemble beaucoup à un cas d'utilisation en conditions réelles.
Si vous êtes un utilisateur chevronné de l'apprentissage automatique, vous trouverez sur AWS DeepRacer l'occasion idéale de créer des modèles d'apprentissage par renforcement pour les courses autonomes dans des environnements virtuels et physiques. Pour résumer, utilisez AWS DeepRacer pour créer des modèles d'apprentissage par renforcement pour les courses autonomes en suivant les étapes suivantes :
Formez un modèle d'apprentissage par renforcement personnalisé pour les course autonomes. Pour ce faire, utilisez la DeepRacer console AWS intégrée àSageMaker.
Utilisez le DeepRacer simulateur AWS pour évaluer un modèle et tester des courses autonomes dans un environnement virtuel.
Déployez un modèle entraîné sur des DeepRacer modèles de véhicules AWS pour tester des courses autonomes dans un environnement physique.
