[英]How to evaluate q-value network of sac agent in stable baselines (on a state-action pair)?
我在穩定的基線中實現 SAC 代理，需要在我的自定義環境中評估 q 值網絡。我試圖從 SAC 類對象中獲取 q 值，但失敗了。 任何像 PPO (.value) 這樣的方法或函數都會很有幫助。
我們不評估價值函數，我們評估政策。
Q值的無限增加，是在Q-Learning中重復相同操作后重復獎勵的結果
[英]Unbounded increase in Q-Value, consequence of recurrent reward after repeating the same action in Q-Learning
有沒有辦法讀取/打印穩定基線中神經網絡隱藏層的激活？
[英]Is there a way to read/print the activations of the hidden layers of a Neural Network in Stable Baselines?
我如何 go 關於 Open AI Gym 和 stable_baselines3 中的這個錯誤？
[英]How do I go about this error in Open AI Gym and stable_baselines3?
具有狀態-行為-狀態獎勵結構的Q學習和具有狀態作為行，行為作為列的Q矩陣
[英]Q-learning with a state-action-state reward structure and a Q-matrix with states as rows and actions as columns
在隨機化的網格世界中從 stable_baselines3 訓練 PPO
[英]Training PPO from stable_baselines3 on a grid world that randomizes
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
