Velimice

朋友你解决了吗

在markdown文件里面加 下载作者仓库_posts里的markdown文件，打开就知道了！！！

哈哈哈，发现它不显示出来 < ! - - more - - > 要删除空格

Have you solve it?

> @GrangerZyj > 我想问一下，采用Basline形式的更新，如果（R-B）为负值，Loss也为负数了吧，这种情况下怎么更新网络 负值就说明相应的action不好，需要降低其概率，即pi(a|s)变小；如果是正值，就说明执行这个action是好的，要增加其概率。直观上是这么理解，回到数学公式推导上，使用梯度上升方法更新网络参数，也会得到这个结果的。 你大概是还没搞清楚为什么要使用baseline吧，再看看原文的解释吧，或者自己想想R-B是正值或负值时梯度上升的具体过程是怎么样的（R-B的正负影响梯度的正负），做完应该会豁然开朗。

要在主题目录的_config.yml写才生效

祝好