跳到正文
Hugging Face Blog·· 2022-06-30AI 评分33

Hugging Face 深度强化学习课程使用 PyTorch 实现策略梯度算法

Policy Gradient with PyTorch

AI 导读

Hugging Face 在其深度强化学习课程第五单元中,使用 PyTorch 从零实现了基于策略的 Reinforce 算法。该方法直接优化策略分布,适用于高维动作空间,并通过学习随机策略解决了感知别名问题。课程后续将在 CartPole-v1 等环境中测试该算法的鲁棒性。

来源:Hugging Face Blog · huggingface.co