PyTorch实施优势演员评论(A2C),近端策略优化(PPO),可扩展的信任区域方法,用于使用Kronecker因子逼近(ACKTR)和生成的对抗模仿学习(GAIL)进行深度强化学习。-Python开发

上传者: 42159267 | 上传时间: 2022-05-26 11:38:01 | 文件大小: 8.53MB | 文件类型: ZIP
pytorch-a2c-ppo-acktr请使用本自述文件中的超级参数。 使用其他超级参数,可能无法正常工作(毕竟是RL)! 这是Advantage Actor Critic(A2C)的PyTorch实现,同步pytorch-a2c-ppo-acktr请使用本自述文件中的超级参数。 使用其他超级参数,可能无法正常工作(毕竟是RL)! 这是Advantage Actor Critic(A2C)的PyTorch实现,这是A3C近端策略优化PPO的同步确定性版本,用于使用Kronecker因子近似ACKTR生成的对抗模仿学习GAIL进行深度强化学习的可扩展信任区域方法另请参阅OpenAI帖子:A2C / ACKTR和PPO获得更多信息

文件下载

资源详情

[{"title":"( 157 个子文件 8.53MB ) PyTorch实施优势演员评论(A2C),近端策略优化(PPO),可扩展的信任区域方法,用于使用Kronecker因子逼近(ACKTR)和生成的对抗模仿学习(GAIL)进行深度强化学习。-Python开发","children":[{"title":"0.monitor.csv <span style='color:#111;'> 75.61KB </span>","children":null,"spread":false},{"title":"0.monitor.csv <span style='color:#111;'> 93.61KB </span>","children":null,"spread":false},{"title":"0.monitor.csv <span style='color:#111;'> 111.19KB </span>","children":null,"spread":false},{"title":"0.monitor.csv <span style='color:#111;'> 103.93KB </span>","children":null,"spread":false},{"title":"0.monitor.csv <span style='color:#111;'> 73.83KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明