月出兮彩云归 🌙

摘要： 在某些契机下，制作了构想很久的个人 icon。 阅读全文

摘要： 如果想最大化期望下的 R(τ)，那么策略梯度 = R(τ) · Σ ▽log π(a|s) ，即 discounted return × Σ 梯度 log [选取该 action 的概率] 。 阅读全文