《表2 DQN和A3C系列模型的每步训练时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于双重注意力机制的异步优势行动者评论家算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（单位：ms/步）

本文比较了DQN与A3C系列算法在训练Agent玩部分Atari 2600游戏的每步训练时间，涉及的游戏包括Gravitar、StarGunner、TimePilot、Seaquest、Centipede、Breakout、NameThisGame、Amidar、Assault和Boxing，10种游戏的简要介绍如表1所示．在Intel Core i7-6800kCPU上DQN和A3C系列算法的训练时间如表2所示．表2数据展示了通过使用异步方法的4种A3C算法的每步训练时间相差不大，而传统DQN算法比A3C系列算法多耗费几倍的训练时间．由此可见，A3C系列算法在保证性能的情况下，利用异步方法极大缩短了模型的训练时间．