xxx-007

I get nan actions too

init 函数中下面这行代码应该在分母加上epsilon，防止出现nan ratio = self.pi.prob(self.tfa) / self.old_pi.prob(self.tfa) 也就是改为如下代码 ratio = self.pi.prob(self.tfa) / (self.old_pi.prob(self.tfa)+EPS) 采取这个建议，修改之后仍然出现nan