Python 神经网络博弈输入的可配置规范化
我正在建立一个使用遗传算法训练统一游戏神经网络的平台 我希望我的框架是通用的，可用于多个游戏。关于绩效和培训时间的一个非常重要的部分是输入的标准化 根据游戏的不同，我们可能希望对不同维度的输入进行规范化，以最大理论值进行规范化。。。或者根本不正常化 例如，如果我的神经网络的三个输入是一个球的位置（x，y，z），我将规范化每个输入的最大理论值（假设我知道它） 我的问题是：Python 神经网络博弈输入的可配置规范化,python,neural-network,normalization,ml-agent,Python,Neural Network,Normalization,Ml Agent,我正在建立一个使用遗传算法训练统一游戏神经网络的平台 我希望我的框架是通用的，可用于多个游戏。关于绩效和培训时间的一个非常重要的部分是输入的标准化 根据游戏的不同，我们可能希望对不同维度的输入进行规范化，以最大理论值进行规范化。。。或者根本不正常化 例如，如果我的神经网络的三个输入是一个球的位置（x，y，z），我将规范化每个输入的最大理论值（假设我知道它） 我的问题是： 最好的做法是让规范化过程成为游戏开发的一部分，还是在我的机器学习框架中实现它 如果我决定在我的框架中实现它，有什么好的工具可
- 最好的做法是让规范化过程成为游戏开发的一部分，还是在我的机器学习框架中实现它
- 如果我决定在我的框架中实现它，有什么好的工具可以在输入上构建灵活的规范化，用户可以根据自己的游戏进行配置