As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Treinando um modelo de aprendizado por reforço no Student AWS DeepRacer
<a name="train-model"></a>

Este passo a passo demonstra como treinar seu primeiro modelo no Student. AWS DeepRacer Ele também fornece algumas dicas úteis para ajudá-lo a aproveitar ao máximo sua experiência e acelerar seu aprendizado. 

## Etapa 1: Treine um modelo de aprendizado por reforço usando o Student AWS DeepRacer
<a name="student-league-train-model-proc"></a>

Comece sua jornada no AWS DeepRacer Student aprendendo onde encontrar o botão **Criar modelo** e comece a treinar seu primeiro modelo. Lembre-se de que criar e treinar um modelo é um processo iterativo. Experimente diferentes algoritmos e funções de recompensa para obter os melhores resultados. 

**Treinar um modelo de aprendizagem por reforço**

1. Na página **inicial** do AWS DeepRacer aluno, escolha **Criar um modelo**. Como alternativa, navegue até **Seus modelos** no painel de navegação esquerdo. Na página **Modelos**, em **Seus modelos**, escolha **Criar modelo**. 

1. Na página **Visão geral**, leia sobre como treinar um modelo por reforço. Cada etapa do processo é explicada nesta página. Quando terminar a leitura, clique em **Próximo**. 

## Etapa 2: Nomeie seu modelo
<a name="student-league-create-model-step-two"></a>

Dê um nome ao seu modelo. É uma boa prática dar nomes exclusivos aos seus modelos para localizar rapidamente modelos individuais quando quiser aprimorá-los e cloná-los. Por exemplo, você pode querer nomear seus modelos usando uma convenção de nomenclatura como:*yourinitials-date-version*.

**Nomear seu modelo**

1. Na página **Nomear seu modelo**, insira um nome no campo **Nome do modelo**. 
**nota**  
Quando você começa a treinar um modelo, o nome torna-se fixo e não pode mais ser alterado.

1. Escolha **Próximo**.

## Etapa 3: Escolha sua pista
<a name="student-league-create-model-step-three"></a>

Escolha sua pista de simulação. A pista serve como ambiente e fornece dados para o seu carro. Se você escolher uma pista muito complexa, seu carro exigirá um tempo de treinamento maior e a função de recompensa usada será mais complexa.

**Escolher sua pista (ambiente)**

1. Na página **Escolher pista**, escolha uma pista para servir como ambiente de treinamento para seu carro. 

1. Escolha **Próximo**.

## Etapa 4: Escolha um algoritmo
<a name="student-league-create-model-step-four"></a>

O AWS DeepRacer aluno tem dois algoritmos de treinamento para escolher. Algoritmos diferentes maximizam as recompensas de diferentes maneiras. Para aproveitar ao máximo sua experiência AWS DeepRacer estudantil, experimente os dois algoritmos. Para obter mais informações sobre algoritmos, consulte [Algoritmos AWS DeepRacer de treinamento](https://docs.aws.amazon.com/deepracer/latest/developerguide/deepracer-how-it-works-reinforcement-learning-algorithm.html). 

**Escolher um algoritmo de treinamento**

1. Na página **Escolher tipo de algoritmo**, selecione um tipo de algoritmo. Dois tipos de algoritmos estão disponíveis:
   +  **Proximal Policy Optimization (PPO)**. Esse algoritmo estável, mas que consome muitos dados, funciona de forma consistente entre as iterações de treinamento. 
   +  **Soft Actor Critic (SAC)**. Esse algoritmo instável, mas eficiente em termos de dados, pode funcionar de forma inconsistente entre as iterações de treinamento. 

1. Escolha **Próximo**.

## Etapa 5: Personalize sua função de recompensa
<a name="student-league-create-model-step-five"></a>

A função de recompensa é uma parte importante do aprendizado por reforço. Use-a para incentivar seu carro (atendente) a realizar ações específicas ao explorar a pista (ambiente). Assim como você incentivaria ou não certos comportamentos em um animal de estimação, você pode usar essa ferramenta para incentivar seu carro a terminar uma volta o mais rápido possível e não o incentivar a sair da pista e ziguezaguear. 

Ao treinar seu primeiro modelo, use uma função de recompensa de amostra padrão. Quando estiver pronto para experimentar e otimizar seu modelo, personalize a função de recompensa no editor de código. Para mais informações sobre como personalizar função de recompensa, consulte [Personalizar uma função de recompensa](reward-function.md).

**Personalizar sua função de recompensa**

1. Na página **Personalizar função de recompensa**, escolha uma amostra de função de recompensa. Há três amostras de funções de recompensa disponíveis para personalizar:
   + **Siga a linha central**. Recompensa seu carro quando ele dirige de forma autônoma o mais próximo possível da linha central da pista.
   + **Fique dentro das fronteiras**. Recompensa seu carro quando ele dirige de forma autônoma, com as quatro rodas dentro da pista.
   + **Evite o ziguezague**. Recompensa seu carro por ficar perto da linha central. Penaliza seu carro se ele usar ângulos de direção grandes ou sair da pista.
**nota**  
Se você não quiser personalizar a função de recompensa, escolha **Próximo**.

1. (Opcional) Modifique o código da função de recompensa. 
   + Selecione uma amostra de função de recompensa e escolha **Explique-me este código**. 
   + Para cada seção do código, veja mais informações selecionando o **\$1** e leia um pop-up com texto explicativo. Prossiga na explicação passo a passo do código escolhendo **Próximo** em cada pop-up. Para sair de um pop-up, escolha o **X** no canto. Para sair do passo a passo, escolha **Concluir**.
**nota**  
Escolha não editar o código da amostra da função de recompensa selecionando **Continuar com o código padrão**.
   + Edite o código da amostra da função de recompensa selecionando uma das amostras e clicando em **Editar código da amostra**. Edite o código e selecione **Validar** para verificar seu código. Se o seu código não for validado ou se quiser deixá-lo como no original, escolha **Redefinir**. 

1. Escolha **Próximo**.

## Etapa 6: Escolha a duração e envie seu modelo para o placar
<a name="student-league-create-model-step-six"></a>

A duração do treinamento do seu modelo afeta o seu desempenho. Na fase inicial, ao experimentar o treinamento, comece com um valor pequeno para esse parâmetro e vá progressivamente treinando por mais tempo. 

Nesta etapa do treinamento, seu modelo é submetido a um placar. Você pode desmarcar a caixa de seleção para cancelar.

**Escolha a duração e envie um modelo para o placar**

1. Na página **Escolher duração**, selecione um tempo em **Escolher a duração de treinamento do modelo**. 

1. No campo **Descrição do modelo**, insira uma descrição prática para seu modelo que o ajudará a lembrar as seleções feitas. 
**dica**  
É uma boa prática adicionar informações sobre seu modelo, como seleções e modificações atuais da função de recompensa e do algoritmo, bem como sua hipótese sobre o desempenho do modelo.

1. Marque a caixa de seleção para que seu modelo seja enviado automaticamente à tabela de classificação AWS DeepRacer estudantil após a conclusão do treinamento. Você pode também deixar de inserir seu modelo, desmarcando a caixa de seleção.
**dica**  
Recomendamos que você envie seu modelo para o placar. Enviá-lo permite que você o compare a outros modelos e fornece feedback para que você possa melhorá-lo. 

1. Escolha **Treinar seu modelo**.

1. No pop-up **Iniciando o treinamento do modelo**, escolha **OK**.

1. Na página **Configurar treinamento**, revise o status e a configuração do treinamento do seu modelo. Veja também um vídeo do seu modelo de treinamento na pista selecionada quando o **Status** do treinamento for **Em andamento**. Assistir ao vídeo pode ajudá-lo a desenvolver informações valiosas e usá-las para melhorar seu modelo. 

## Etapa 7: Veja o desempenho do seu modelo no placar
<a name="student-league-create-model-step-seven"></a>

Depois de treinar seu modelo e enviá-lo para um placar, veja seu desempenho. 

**Ver o desempenho do seu modelo**

1. No painel de navegação à esquerda, escolha e amplie **Competir**. Escolha uma temporada. Na página **Placar**, seu modelo e sua classificação aparecem em uma seção. A página também inclui a seção **Placar** com uma lista dos modelos enviados, detalhes da corrida, além de uma seção com **Detalhes da corrida**.

1. Na página do placar, na seção com seu perfil, selecione **Assistir vídeo** e veja o desempenho do seu modelo.

## Etapa 8: Use **Clonar** para melhorar seu modelo
<a name="student-league-create-model-step-eight"></a>

Depois de treinar e enviar seu modelo para um placar, caso tenha escolhido essa opção, é possível cloná-lo e melhorá-lo. A clonagem economiza etapas e torna o treinamento mais eficiente ao usar um modelo já treinado como ponto de partida para um novo modelo. 

**Clonar e melhorar um modelo**

1. Em AWS DeepRacer Student, no painel de navegação esquerdo, navegue até **Seus modelos**.

1. Na página **Seus modelos**, selecione um modelo e escolha **Clonar**.

1. No campo **Nomear seu modelo**, dê um outro nome para seu modelo clonado e escolha **Próximo**.

1. Na página **Personalizar uma função de recompensa**, escolha **Próximo** após fazê-la. Para mais informações sobre como personalizar função de recompensa, consulte [Etapa 5: Personalize sua função de recompensa](#student-league-create-model-step-five). 

1. Na página **Escolher duração**, insira um tempo no campo **Escolher duração de treinamento do modelo**, insira uma descrição no campo **Descrição do modelo** e selecione a caixa de seleção para enviar o modelo clonado para o placar.

1. Escolha **Treinar seu modelo**. Seu treinamento é iniciado. A página **Configurar treinamento** é exibida com informações sobre seu modelo clonado. Veja também um vídeo do seu modelo de treinamento na pista selecionada quando o **Status** do treinamento for **Em andamento**. 

1. Continue clonando e modificando seus modelos já treinados para ter melhor desempenho no placar.

## Etapa 9: (opcional) Baixar um modelo
<a name="student-league-create-model-step-nine"></a>

Depois de treinar um modelo e, opcionalmente, enviá-lo para a tabela de classificação, talvez você queira baixá-lo para uso futuro em um dispositivo físico. AWS DeepRacer Seu modelo é salvo como um arquivo `.tar.gz`.

**Baixar um modelo**

1. Em AWS DeepRacer Student, no painel de navegação esquerdo, navegue até **Seus modelos**.

1. Na página **Seus modelos**, selecione um modelo e escolha **Baixar**.

1. Acompanhe o andamento do download do modelo em seu navegador. Depois de baixado, é possível salvá-lo no disco rígido local ou em outro dispositivo de armazenamento de sua preferência.

   Para saber mais sobre como trabalhar com AWS DeepRacer dispositivos, consulte [Operar seu AWS DeepRacer veículo](https://docs.aws.amazon.com/deepracer/latest/developerguide/operate-deepracer-vehicle.html) no *AWS DeepRacer guia*.