algos_utils.py 文件源码

python
阅读 25 收藏 0 点赞 0 评论 0

项目:drl.pth 作者: seba-1511 项目源码 文件源码
def generalized_advantage_estimations(rewards, values, terminal=None, gamma=0.99, tau=0.95):
    gae = 0.0
    advantages = []
    values = th.cat([values, V(T([0.0077]))])
    for i in reversed(range(len(rewards))):
        nonterminal = 1.0 - terminal[i]
        delta = rewards[i] + gamma * values[i+1] * nonterminal - values[i]
        gae = delta + gamma * tau * gae * nonterminal
        advantages.insert(0, gae + values[i])
    return th.cat(advantages)
评论列表
文章目录


问题


面经


文章

微信
公众号

扫码关注公众号