xlq

这家伙很懒，什么都没留下

X

X xlq 这家伙很懒，什么都没留下

发布于2024-10-21 19:55:11

有关PPO里面的重要性采样权重的疑问？
为什么我看网上大多数代码再计算重要性采样权重的时候用的是（新策略-旧策略）的 e 指数来计算的，但是书上和资料上不都是直接相除的吗？但是我改成相除发现效果又很差，有没有大佬知道为什么要取指数？

赞

评论 4

浏览 451

课程学习