2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
Proximal Policy Optimization 术语和基本思想 On-policy: 学习到的agent以及和环境进行互动的agent是同一个agent Off-policy: 学习到的agent以及和环境进行互动的agent是不同的agent 为什么要引入 Off-policy: 如果我们使用 πθ 来收集数据，那么参数 θ被更新后，我们需要重新对训练数据进行采样，这样会造成巨大的时间
相关文章
- 1. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 2. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 3. 【笔记2-2】李宏毅深度强化学习笔记（二）Proximal Policy Optimization (PPO)
- 4. 【学习笔记】PPO(Proximal Policy Optimization) - 李宏毅
- 5. 【李宏毅2020 ML/DL】P110-111 Policy Gradient & Proximal Policy Optimization
- 6. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 8. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 9. 机器学习：李宏毅强化学习笔记（一）Proximal Policy Optimization (PPO)
- 10. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（二）基本类型
相关标签/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
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 2. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 3. 【笔记2-2】李宏毅深度强化学习笔记（二）Proximal Policy Optimization (PPO)
- 4. 【学习笔记】PPO(Proximal Policy Optimization) - 李宏毅
- 5. 【李宏毅2020 ML/DL】P110-111 Policy Gradient & Proximal Policy Optimization
- 6. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 8. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 9. 机器学习：李宏毅强化学习笔记（一）Proximal Policy Optimization (PPO)
- 10. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）