2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
Proximal Policy Optimization 術語和基本思想 On-policy: 學習到的agent以及和環境進行互動的agent是同一個agent Off-policy: 學習到的agent以及和環境進行互動的agent是不同的agent 爲什麼要引入 Off-policy: 如果我們使用 πθ 來收集數據，那麼參數 θ被更新後，我們需要重新對訓練數據進行採樣，這樣會造成巨大的時間
相關文章
- 1. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 2. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 3. 【筆記2-2】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2020 ML/DL】P110-111 Policy Gradient & Proximal Policy Optimization
- 6. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅學習筆記——67 RL Advanced Version 3.Q-learning（basic idea）
- 8. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 9. 機器學習：李宏毅強化學習筆記（一）Proximal Policy Optimization (PPO)
- 10. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 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。
最新文章
- 1. 字節跳動21屆秋招運營兩輪面試經驗分享
- 2. Java 3 年，25K 多嗎？
- 3. mysql安裝部署
- 4. web前端開發中父鏈和子鏈方式實現通信
- 5. 3.1.6 spark體系之分佈式計算-scala編程-scala中trait特性
- 6. dataframe2
- 7. ThinkFree在線
- 8. 在線畫圖
- 9. devtools熱部署
- 10. 編譯和鏈接
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 2. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 3. 【筆記2-2】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2020 ML/DL】P110-111 Policy Gradient & Proximal Policy Optimization
- 6. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅學習筆記——67 RL Advanced Version 3.Q-learning（basic idea）
- 8. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 9. 機器學習：李宏毅強化學習筆記（一）Proximal Policy Optimization (PPO)
- 10. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）