木棉
这家伙很懒，什么都没留下
评论(3)
请
登录后发表观点
- 答案很接地气，非常感谢🤗，我太死板了，以为公式不能调整，一直再调整收益函数的取值范围 . 顺便请问一下，RL里面收益函数的设计有没有啥经验或要求？
你是指 Q 函数怎么设计吗？最简单的比如说 tabular Q 就是以表格形式储存Q: \mathcal{S}\times \mathcal{A} \rightarrow q的映射，连续的空间可能会用到深度模型q = MLP(s, a)。 可以根据具体的算法来了解 Q 的设置哦， 比如这里-> http://www.jidiai.cn/algorithm
-
调整 TX 的目的更多的可能是让你的分布变得 hard 或者 soft，如果你单纯是为解决 NaN 的问题的话可以尝试在 exp 之前 clip value (比如 torch.clip()), 或者尝试 max-normalisation:
![]()
答案很接地气，非常感谢🤗，我太死板了，以为公式不能调整，一直再调整收益函数的取值范围 . 顺便请问一下，RL里面收益函数的设计有没有啥经验或要求？ -
调整 TX 的目的更多的可能是让你的分布变得 hard 或者 soft，如果你单纯是为解决 NaN 的问题的话可以尝试在 exp 之前 clip value (比如 torch.clip()), 或者尝试 max-normalisation:
![]()
