RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分

RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 输出结果 视频观看地址：强化学习—基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分   设计思路   测试过程 Episode: 1 ~ 5 Average reward: 15.000000. Episode: 6 ~ 10 Average reward: 18.000000. Episode: 11 ~ 15

>>阅读原文<<