2024年3月21日
发布「月出兮彩云归」的新 icon
摘要： 在某些契机下，制作了构想很久的个人 icon。 阅读全文
posted @ 2024-03-21 16:55 MoonOut 阅读(12) 评论(0) 推荐(0) 编辑
RL 基础 | Policy Gradient 的推导
摘要： 如果想最大化期望下的 R(τ)，那么策略梯度 = R(τ) · Σ ▽log π(a|s) ，即 discounted return × Σ 梯度 log [选取该 action 的概率] 。 阅读全文
posted @ 2024-03-21 16:46 MoonOut 阅读(113) 评论(0) 推荐(0) 编辑