이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
정책 배포
강화 학습 에이전트를 훈련시킨 후, 코드를 만들어 최적 정책을 배포할 수 있습니다. 예를 들어, MATLAB® Coder™와 GPU Coder™를 사용하여 C++ 또는 CUDA® 코드를 생성하고 내장 플랫폼에 신경망 정책을 배포할 수 있습니다.
에이전트 배포에 대한 소개는 Deploy Trained Reinforcement Learning Policies 항목을 참조하십시오.
함수
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 이후) |
policyParameters | Obtain structure of policy parameters to update policy during simulation or deployment (R2025a 이후) |
updatePolicyParameters | Update policy according to structure of policy parameters given as input argument (R2025a 이후) |
블록
| Policy | 강화 학습 정책 (R2022b 이후) |
도움말 항목
- 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.
추천 예제
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.
