知识卡片

普通读书笔记卡 · 2700.d.2.a.1.a.1.b.1.b.2.c · 生成模型:未记录

软更新让目标参数缓慢跟随

理解等级:中级

初始可直接复制,训练时每步仅向在线参数靠近 τ 比例。τ 很小时目标变化慢,过小也会使目标长期滞后。在线演员更新时对当前演员生成的动作求梯度,回放动作则用于训练评判家。

关联:[[DDPG用两对网络分工]]。对目标副本使用小步参数平均。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第7章《7.5.4 DDPG算法的实现》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter75.xhtml`,body 子元素 4 - 结论依据:原文用在线参数与当前目标参数加权更新。 - 原始内容:y = tau * x + (1 - tau)*y