计算DQN模型准确率的python 代码

以下是一个简单的计算DQN模型准确率的Python代码示例：

# 导入相关库
import gym
import numpy as np
import torch
from collections import deque

# 定义DQN模型
class DQN(torch.nn.Module):
    def __init__(self):
        super(DQN, self).__init__()
        self.fc1 = torch.nn.Linear(4, 64)
        self.fc2 = torch.nn.Linear(64, 2)

    def forward(self, x):
        x = torch.nn.functional.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 初始化环境和模型
env = gym.make('CartPole-v1')
model = DQN()
model.load_state_dict(torch.load('dqn_model.pth'))

# 定义测试函数
def test(model):
    scores = deque(maxlen=100)
    for i in range(100):
        state = env.reset()
        done = False
        score = 0
        while not done:
            action = np.argmax(model(torch.tensor(state, dtype=torch.float32)).detach().numpy())
            state, reward, done, _ = env.step(action)
            score += reward
        scores.append(score)
    return np.mean(scores)

# 计算准确率
accuracy = test(model)
print('Accuracy: {}'.format(accuracy))

该代码首先定义了一个简单的DQN模型，然后加载了训练好的模型权重，并定义了一个测试函数来计算模型在CartPole-v1环境下的平均得分。最后，计算并输出模型的准确率。