#Importamos las librerias necesarias para el ejemplo
import gym
import random
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam
env = gym.make('CartPole-v1') #creamos nuestro entorno de trabajo
env.reset()
goal_steps = 500 # definimos el número de pasos para el entrenamiento
score_requirement = 60 #puntuación requerida
intial_games = 10000 #Entrenanmiento inicial
#Función que ejecuta un bucle para hacer varias acciones para jugar el
#juego.Por eso, intentar jugaremos hasta 500 pasos como máximo.
def play_a_random_game_first():
try:
for step_index in range(goal_steps):
#env.render() #PAra representar el juego
action = env.action_space.sample() #Elegimos acción al azar
#Acción aleatoria a través de la función que elige los
#los resultado del siguiente paso, según la acción pasada como
#parametro
observation, reward, done, info = env.step(action)
print("Paso {}:".format(step_index))
print("Acción: {}".format(action))
print("Observacion: {}".format(observation))
print("Recompensa: {}".format(reward))
print("Done: {}".format(done))
print("Info: {}".format(info))
if done:#Si juego completado
break
finally:
env.reset()
play_a_random_game_first()
def model_data_preparation():
training_data = [] # inicializamos los arrays con los datos de
accepted_scores = [] #entrenamiento y las puntuaciones
#Jugamos 10000 veces para obtener unos datos representativos
for game_index in range(intial_games):
score = 0 #inicializamos variables
game_memory = []
previous_observation = []
#inidicamos que se ejeccute 500 veces
for step_index in range(goal_steps):
action = random.randrange(0, 2)#Acción aleatoria.Iz=0 y De=1
observation, reward, done, info = env.step(action)
#almacenamos puntuacion
if len(previous_observation) > 0:
game_memory.append([previous_observation, action])
previous_observation = observation
score += reward
if done:
break
if score >= score_requirement:
accepted_scores.append(score)
for data in game_memory:
if data[1] == 1:
output = [0, 1]
elif data[1] == 0:
output = [1, 0]
training_data.append([data[0], output])
#resteamos entorno y lo mostramos por pantalla
env.reset()
print(accepted_scores)
return training_data
training_data = model_data_preparation()
