我看了你的epsilon初始设置很高，你的loss函数变化应该和这个有关。epsilon初始太高是没用的，因为即使学到了东西他也不会去执行，导致无法用学到的东西去产生更有用的经验。而且中间loss暴涨，我觉得可能是因为agent学到了策略，但是由于epsilon太大，如果前后两次动作一次随机，一次最优，这样就会导致loss很大。
记录一下别人的调参经验
猜你喜欢
转载自www.cnblogs.com/awgn/p/12339929.html
今日推荐
周排行