banner
Nagi-ovo

Nagi-ovo

Breezing
github
主页归档作品集日寄

PPO

cover
cover

“速通” PPO

Proximal Policy Optimization 终于到了这几年 NLP 领域中比较火热的 RL 算法之一了 On-Policy 算法中，采集数据用的策略和训练的策略是相同的，这样的问题是数据用一次后就得丢弃，然后再重新采集数据，训练速度很慢。 PPO 背后的直觉  …
RL
此博客数据所有权由区块链加密技术和智能合约保障仅归创作者所有。