李宏毅強化學習學習筆記-policy gradient and PPO
1、強化學習policy gradient中，爲什麼需要將reward減去一個baseline？ 策略梯度在進行優化的時候，使用的都是對數據進行採樣，當所有的獎勵都是正的時候，會對所有的梯度方向都鼓勵，但是是進行歸一化的，所以對那些獎勵較少的方向，起到了抑制的效果。但是由於採樣操作，當高獎勵的動作沒有sample到的時候，那些低獎勵的動作就被鼓勵執行了。
相關文章
- 1. 機器學習：李宏毅強化學習筆記（一）Proximal Policy Optimization (PPO)
- 2. 【筆記2-2】李宏毅深度強化學習筆記（二）Proximal Policy Optimization (PPO)
- 3. 【完結】李宏毅深度強化學習筆記（二）Proximal Policy Optimization (PPO)
- 4. 【學習筆記】PPO(Proximal Policy Optimization) - 李宏毅
- 5. 【李宏毅-強化學習筆記】p1-p2、PPO
- 6. 【李宏毅深度強化學習2018】P1 Policy Gradient（Review）
- 7. 李弘毅深度強化學習筆記【1 Policy Gradient 】
- 8. 【完結】李宏毅深度強化學習筆記（四）Actor-Critic
- 9. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 10. 強化學習--李宏毅
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 機器學習：李宏毅強化學習筆記（一）Proximal Policy Optimization (PPO)
- 2. 【筆記2-2】李宏毅深度強化學習筆記（二）Proximal Policy Optimization (PPO)
- 3. 【完結】李宏毅深度強化學習筆記（二）Proximal Policy Optimization (PPO)
- 4. 【學習筆記】PPO(Proximal Policy Optimization) - 李宏毅
- 5. 【李宏毅-強化學習筆記】p1-p2、PPO
- 6. 【李宏毅深度強化學習2018】P1 Policy Gradient（Review）
- 7. 李弘毅深度強化學習筆記【1 Policy Gradient 】
- 8. 【完結】李宏毅深度強化學習筆記（四）Actor-Critic
- 9. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 10. 強化學習--李宏毅