Open zhang-qiang-github opened 5 years ago
在现在的网络中，输出一个概率p，和价值v。假设现在可以走的地方有10个选择，那么p是一个110的数，表示下一步在这10个位置下的概率，v是一个11的标量，表示赢的可能性。
我不是很理解这个v这个值的意思。如果v是对应着下一步的概率，那么它应该也是110的才对吧？这样才能表示下一步，下到10个位置输赢的可能性。现在只有11的东西，那么它表示啥意思？表示还没有下一步的时候的输赢？
在现在的网络中，输出一个概率p，和价值v。假设现在可以走的地方有10个选择，那么p是一个110的数，表示下一步在这10个位置下的概率，v是一个11的标量，表示赢的可能性。
我不是很理解这个v这个值的意思。如果v是对应着下一步的概率，那么它应该也是110的才对吧？这样才能表示下一步，下到10个位置输赢的可能性。现在只有11的东西，那么它表示啥意思？表示还没有下一步的时候的输赢？