このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
方策の展開
コード生成および学習済みの方策の展開
強化学習エージェントに学習させたら、最適な方策を展開するためのコードを生成できます。たとえば、MATLAB® Coder™ と GPU Coder™ を使用すると、C++ または CUDA® のコードを生成し、組み込みプラットフォームにニューラル ネットワークの方策を展開できます。
エージェントの展開の概要については、Deploy Trained Reinforcement Learning Policiesを参照してください。
関数
generatePolicyFunction | Generate MATLAB function that evaluates policy of an agent or policy object |
generatePolicyBlock | Generate Simulink block that evaluates policy of an agent or policy object (R2022b 以降) |
policyParameters | Obtain structure of policy parameters to update policy during simulation or deployment (R2025a 以降) |
updatePolicyParameters | Update policy according to structure of policy parameters given as input argument (R2025a 以降) |
ブロック
| Policy | 強化学習方策 (R2022b 以降) |
トピック
- Deploy Trained Reinforcement Learning Policies
You can generate code for reinforcement learning agents using, for example, GPU Coder or MATLAB Coder.
- Deploy Trained Reinforcement Learning Policy as Microservice Docker Image (MATLAB Compiler SDK)
This example shows how to create a microservice Docker® image from reinforcement learning policy.
注目の例
Reinforcement Learning With Hardware: Train Policy Deployed on Raspberry Pi
Use trainFromData in a MATLAB learning loop to train a policy
deployed on a Raspberry Pi board.
Generate Policy Block for Deployment
Generate a policy block to deploy a trained policy.
Run SIL and PIL Verification for Reinforcement Learning
Verify a reinforcement learning agent in software-in-the-loop and processor-in-the-loop modes.
