文件名称：pytorch-sac:PyTorch中的软演员评论（SAC）:rocket:
文件大小：4KB
文件格式：ZIP
更新时间：2024-05-09 14:52:18
deep-reinforcement-learning pytorch soft-actor-critic Python
评论家 SAC算法 TODO：算法screenshto和链接旋转起来 如何计算 适当地？ 在这个术语中，最初使我感到困惑的是，动作和动作的对数概率都取决于参数theta。 这样可以启用适当的反向传播吗？ 本小节有助于更好地理解这个问题。 从本文中我们知道 在哪里 是通过策略网络输出的均值和标准偏差参数化的对角正态分布（其尺寸取决于操作的暗淡）。 因此，在计算 关于 ，我们正在计算相对于两个项的梯度并将其相加。 import torch from torch . distributions import Normal , Independent means = torch . tensor ([[ 1 , 2 , 3 , 4 , 5 ], [ 1 , 2 , 3 , 4 , 5 ]], dtype = torch . float ). view ( 2 , - 1 ) # two
【文件预览】：
pytorch-sac-main
----test_doubly_dependency.py(848B)
----LICENSE(1KB)
----README.md(2KB)
----.gitignore(2KB)