返回介绍

Policy Gradient

发布于 2024-06-23 17:58:49 字数 2049 浏览 0 评论 0 收藏 0

class PolicyGradient(model, lr)[源代码]

基类:Algorithm

__init__(model, lr)[源代码]

Policy gradient algorithm

参数:
  • model (parl.Model) – model defining forward network of policy.

  • lr (float) – learning rate.

learn(obs, action, reward)[源代码]

Update model with policy gradient algorithm

参数:
  • obs (paddle tensor) – shape of (batch_size, obs_dim)

  • action (paddle tensor) – shape of (batch_size, 1)

  • reward (paddle tensor) – shape of (batch_size, 1)

返回:

shape of (1)

返回类型:

loss (paddle tensor)

predict(obs)[源代码]

Predict the probability of actions

参数:

obs (paddle tensor) – shape of (obs_dim,)

返回:

shape of (action_dim,)

返回类型:

prob (paddle tensor)

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文