DI-engine中Noisy Net实现的技术分析与改进
2025-06-24 21:06:46作者:侯霆垣
在深度强化学习框架DI-engine中,Noisy Net(噪声网络)是一种重要的探索机制实现方式。本文将从技术原理和实现细节两个维度,深入分析该机制的正确实现方式及其在DI-engine中的改进过程。
Noisy Net技术原理
Noisy Net是深度强化学习中一种优雅的探索方法,其核心思想是通过在神经网络权重中注入参数化噪声来实现探索。与传统ε-greedy等启发式探索方法不同,Noisy Net具有以下优势:
- 状态相关的探索:噪声与网络状态相关,能够实现更智能的探索策略
- 端到端训练:探索策略可以直接通过梯度下降进行优化
- 无需手动调整:消除了ε衰减等超参数调优需求
关键技术实现要点包括:
- 噪声层替代传统全连接层
- 使用因式分解的高斯噪声提高计算效率
- 训练阶段保持噪声激活
- 评估阶段关闭噪声实现确定性策略
DI-engine中的实现问题
在原始实现中,DI-engine存在一个关键实现偏差:在collect_model(收集经验用的模型)中禁用了噪声注入。这与Noisy Net的设计初衷相违背,因为:
- 收集阶段正是需要探索的关键环节
- 评估阶段才需要关闭噪声以获得确定性策略
- 这种实现会导致探索不足,影响算法性能
正确的实现应该保持collect_model的噪声激活,仅在eval_model(评估模型)中禁用噪声。这与原始论文中"在在线网络中使用独立噪声样本进行动作选择,在目标网络中使用不同噪声样本"的设计一致。
技术改进方案
针对这一问题,技术团队进行了以下改进:
- 修改噪声注入逻辑,确保collect_model保持噪声激活
- 严格在eval_model中禁用噪声
- 保持噪声样本的独立性:
- 在线网络使用ε′噪声样本
- 目标网络使用ε′′噪声样本
- 优化噪声参数更新机制
改进后的实现更符合Noisy Net的理论设计,能够:
- 在训练阶段提供充分的探索
- 在评估阶段提供稳定的策略表现
- 保持不同网络间噪声样本的独立性
实际影响与验证
该改进已在Atari等基准测试环境中得到验证,证实了:
- 改进后的探索效率显著提升
- 算法最终性能更加稳定
- 训练曲线更加平滑
这种实现方式也更符合现代深度强化学习算法对探索机制的要求,为后续算法开发提供了更可靠的基础设施。
最佳实践建议
基于此改进,我们建议DI-engine用户:
- 在使用Noisy Net时检查噪声注入模式
- 确保collect阶段噪声激活
- 验证eval阶段噪声禁用
- 监控探索效率指标
正确的Noisy Net实现能够显著提升算法在复杂环境中的探索能力,是深度强化学习实践中不可忽视的重要细节。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
509