神经网络调参经验

Posted 2021-03-21 twodoge

对比Mean 和 Max

如果某些动作路径(从神经网络的策略输出中采样)比平均动作路径好得多，那么通过调整策略就有增加奖励的空间。相反，当这个差距缩小时，模型就收敛了;