ShiqiWang

Thanks♪(･ω･)ﾉ

请问actor-critic是off-policy吗

Thanks♪(･ω･)ﾉ

总结的非常棒！超级有帮助！！谢谢博主！！！ღ( ´･ᴗ･` )比心

谢谢博主，非常有帮助！

总结的超级好，谢谢博主！

代码部分我有一个小小的疑问：为什么actor的输出（即输入state，产生action的概率）要命名为dist呀？是distance的简写吗？

> @CSU-FulChou > 我理解成是动作的分布，所以是distribution的意思 > > > > 发自我的iPhone > > > ------------------ Original ------------------ > From: Strawberry47 ***@***.***> > Date: Thu,Nov 11,2021 4:00 PM > To: datawhalechina/easy-rl ***@***.***> >...

啊，代码部分我还有一个critic_loss计算问题：是Q_value(old)-critic_value(new)，这样算的吗？不知道理解的对不对~

谢谢博主！