【李宏毅2020 ML/DL】P110-111 Policy Gradient & Proximal Policy Optimization

我已经有两年 ML 经历，这系列课主要用来查缺补漏，会记录一些细节的、自己不知道的东西。 关于强化学习，我专门花半年时间学习实践过，因此这里笔记只记录李老师的 outline 。我的强化学习资源仓库： https://github.com/PiperLiu/Reinforcement-Learning-practice-zh 我的 CSDN 强化学习博客集合： https://blog.csdn.

>>阅读原文<<