wangheng673的博客

Policy Gradient算法pytorch实现策略梯度是典型的on-policy的学习方式, 通过智能体与环境的交互实现自主学习. 其流程大致如下图所示.#mermaid-svg-0QTCGCECBnYroheS .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-0QTCGCECBnYroheS .lab

PyTorch网络权值初始化的几种方式pytorch在torch.nn.init中提供了常用的初始化方法函数，这里简单介绍，方便查询使用。介绍分两部分：Xavier，kaiming系列；其他方法分布Xavier初始化方法，论文在Understanding the difficulty of training deep feedforward neural networks.公式推导是从“方差一致性”出发，初始化的分布有均匀分布和正态分布两种。1. Xavier均匀分布torch.nn.i