qq_36616268的博客

这篇文章和hdqn，我个人感觉差别还是很明显的。 最明显的是我没有感受到时间维度的差异，也就是什么提供goal的时间维度小，施行者时间维度大，这一个特点。 我花了三天吧（前两天感觉没有集中精神），把文章代码都读了几遍。 除了文章中的dilated lstm，我不大明白是怎么实现的外（文章中说和cw lstm的idea一样，还列出了dilated convelution的paper，所以我感觉...

把之前读的一篇HRL的文章也补上。 这个文章的代码，我看了两天，表示看的不大明白，只能找到一个lua脚本写出来的版本，感觉读起来很吃力 网络模型： 先介绍一下文章的总体思想： 主要由两部分组成，一个控制器，一个以往获得的经验。 这里提到了一个蒸馏法，也就是有一个T net 有一个 S net ， S net可以不断地学习T net，不断拟合。 控制器主要是决定采用一个单独的...