在張量流中使用負損失

Question

我正在實現一個基於類采取行動的增強代理。 因此它可以執行操作1或2或3或4。

所以我的問題是我可以在張量流中使用負損失來阻止它輸出動作。

示例：假設代理輸出動作1，我想強烈勸阻它不要在那種情況下再次執行動作1。 但是沒有應該采取的已知措施。 因此，我不能只是選擇其他動作來使其了解這一點。

所以我的問題是：tensorflow梯度計算是否處理負值損失。 如果可以，它將按照我的描述工作嗎？

Answer 1

梯度下降最小化器通常將嘗試找到最小損耗，而與損耗表面的符號無關。 聽起來您要么想要a）分配大筆虧損以鼓勵模型選擇其他東西，要么b）分配第五個不采取行動的類別。