Closed styledyy closed 2 years ago
没有这个限定的,可以是随机初始化的状态。
我用DQN算法和SAC算法,用不同初始状态的轮流进行输入,但输出的动作都是一样的(这些动作不全是最优的动作),(1)请问这是为什么?(2)不应该不同的输入状态就能获得对应的最优的输出动作吗?(3)难道是网络最终只会给一个它认为的最优策略动作吗?
输出的动作都是一样的(
这个问题可以参考下之前的issue #462 ,属于模型调优的问题。
好的谢谢
没有这个限定的,可以是随机初始化的状态。