Closed hyskylord closed 2 years ago
这个我之前也发现过,不过没有细查。你可以找一下哪一组的排名不是 uniform 的,然后 diff 一下看看是不是有不同的 action。我的猜测是和 batch size 有关,不同的 batch size 可能会给出略微不同的结果。
10038_1957153204106680927_a.txt 10038_1957153204106680927_b.txt 确实是这样,batchsize1和3的q值计算略有不同,并不是名次计算的问题。
将challenger和champion设置为相同跑one_vs_three,按道理得到每一个名次的次数是相同的,但实际上并不一样,下面是其中一段结果