强化学习

• 使用 Actor-Critic 方法玩 CartPole 游戏
  • 安装
  • 模型
  • 训练代理
    • 1. 收集训练数据
    • 2. 计算预期回报
    • 3. Actor-Critic 损失
      • 行动者损失
        • 优势
      • The Critic loss
    • 4. 定义训练步骤以更新参数
    • 5. 运行训练循环
  • 可视化
  • 后续步骤