返回介绍

A2C

发布于 2024-06-23 17:58:49 字数 2747 浏览 0 评论 0 收藏 0

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.

prob_and_value(obs)[源代码]
参数:

obs – An float32 tensor of shape ([B] + observation_space). E.g. [B, C, H, W] in atari.

value(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。

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