跳到正文
熱點事件持續更新

SAC實作用Pendulum進行快速檢查

1 篇報導1 個報導來源6 小時前更新

先了解這件事

重點綜述

SAC 實作看起來有在訓練,不代表整套流程真的正常;先用便宜的小任務測試,能及早發現問題。

  • 作者用自己從頭寫的 SAC,在 Pendulum-v1 訓練 100k 步,並每 10k 步用固定策略評估。分數早早進入約 -150 的範圍後仍會上下波動。
  • 每個環境步驟改做兩次梯度更新,這次跑出的最終分數從 -168 改善到 -111,但耗時約多一倍。若分數一直停在 -1,000、進步後又崩掉、出現 NaN,文中也列出抽樣、溫度引數和 tanh 修正等檢查方向。

根據報導自動生成 · 6 小時前更新

報導時間線

沿著報導,瞭解事件的不同面向。

11月22日
  1. Dev.to Top Tech
    如何用 30 分鐘檢查 SAC 實作是否正常

    SAC 實作看起來有在訓練,不代表整套流程真的正常;先用便宜的小任務測試,能及早發現問題。作者用自己從頭寫的 SAC,在 Pendulum-v1 訓練 100k 步,並每 10k 步用固定策略評估。分數早早進入約 -150 的範圍後仍會上下波動;每個環境步驟改做兩次梯度更新,這次跑出的最終分數從 -168 改善到 -111,但耗時約多一倍。若分數一直停在 -1,000、進步後又崩掉、出現 NaN,文中也列出抽樣、溫度引數和 tanh 修正等檢查方向。

本事件熱度趨勢

當前熱度 8·可比範圍峰值 10(11月22日 23:00)·近 24 小時可比範圍變化 –

02.557.51011月22日23:0011月23日01:0011月23日03:0011月23日05:00

趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點選圖表檢視每小時熱度;鍵盤可用左右方向鍵切換。

讀者討論

針對此事件的各方觀點與即時反饋