发布于2021-10-12 17:55:30
我们从回放池中采样得到数据来训练，但是这些数据可能并不是来自于同一个策略 ，为什么也可以用来训练？这种异策学习对训练有什么影响？
学习 RL 不久，对于 Experience Replay 中的异策数据这点有疑问（如题所示），网上也没有找到比较满意的解释，论文也比较少，而且大多数都关注于回放池的容量对学习的影响。 Fedus, William, et al. "Revisiting...赞
评论
1
浏览
812