Added HW on continuous control (TD3 or SAC)

yandexdataschool / Practical_RL

A course in reinforcement learning in the wild

The Unlicense

5.92k stars 1.7k forks source link

Closed FortsAndMills closed 2 years ago

FortsAndMills commented 3 years ago

всё на pytorch
вычислительно по сложности 5-6 часов без GPU для преодоления указанного порога
по сложности по идее проще, чем PPO
TD3 работает лучше, чем SAC, возможно, в последнем можно подтюнить гиперпараметры
прочекано пока лишь на двух студентах

review-notebook-app[bot] commented 3 years ago

Check out this pull request on

See visual diffs & provide feedback on Jupyter Notebooks.

Powered by ReviewNB

dniku commented 2 years ago

Не будем дожидаться, пока этому PR стукнет год.