- 概览
- 安装
- 教程
- 算法接口文档
- 简易高效的并行接口
- APIS
- FREQUENTLY ASKED QUESTIONS
- EVOKIT
- 其他
- parl.algorithms.paddle.policy_gradient
- parl.algorithms.paddle.dqn
- parl.algorithms.paddle.ddpg
- parl.algorithms.paddle.ddqn
- parl.algorithms.paddle.oac
- parl.algorithms.paddle.a2c
- parl.algorithms.paddle.qmix
- parl.algorithms.paddle.td3
- parl.algorithms.paddle.sac
- parl.algorithms.paddle.ppo
- parl.algorithms.paddle.maddpg
- parl.core.paddle.model
- parl.core.paddle.algorithm
- parl.remote.remote_decorator
- parl.core.paddle.agent
- parl.remote.client
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
A2C
- class A2C(model, vf_loss_coeff=None)[源代码]¶
基类:
Algorithm
- __init__(model, vf_loss_coeff=None)[源代码]¶
A2C algorithm
- 参数:
model (parl.Model) – forward network of policy and value
vf_loss_coeff (float) – coefficient of the value function loss
- learn(obs, actions, advantages, target_values, learning_rate, entropy_coeff)[源代码]¶
- 参数:
obs – An float32 tensor of shape ([B] + observation_space). E.g. [B, C, H, W] in atari.
actions – An int64 tensor of shape [B].
advantages – A float32 tensor of shape [B].
target_values – A float32 tensor of shape [B].
learning_rate – float scalar of leanring rate.
entropy_coeff – float scalar of entropy coefficient.
- predict(obs)[源代码]¶
- 参数:
obs – An float32 tensor of shape ([B] + observation_space). E.g. [B, C, H, W] in atari.
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。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论