CSDN Blog pytorch的reinforce算法 官方文档

http://pytorch.org/docs/0.3.0/distributions.htmlprobs = policy_network(state) m = Categorical(probs) action = m.sample() # 抽样一个action next_state, reward = env.step(action) # 得到一个reward loss = -m.log_prob(action) * reward loss.backward()作者：guotong1988 发表于2018/1/5 11:16:05 原文链接阅读：0 评论：0 查看评论