原书出处
强化学习入门:从原理到实践
10 第10章 Alpha Zero算法实战
网络训练得到的新参数会被用来指导下一轮迭代中自我对弈时的MCTS搜索
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter88.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d