Open yufeng-Lu520 opened 2 years ago
请问example里的PPO算法中,agent.sample输出的动作为什么不是-1到1呢,如何让输出的动作归一化?
https://github.com/PaddlePaddle/PARL/blob/e4a20ae6390265203b359f2b85e1fdd30d373434/examples/PPO/mujoco_model.py#L78 如果想要归一化,在这里加入一个tanh激活函数即可
十分感谢,已经解决
请问example里的PPO算法中,agent.sample输出的动作为什么不是-1到1呢,如何让输出的动作归一化?