policies.py 文件源码

python
阅读 31 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 forward(self, x, *args, **kwargs):
        action = super(DiscretePolicy, self).forward(x, *args, **kwargs)
        probs = F.softmax(action.raw)
        action.value = probs.multinomial().detach()
        action.prob = lambda: probs.t()[action.value[:, 0]].mean(1)
        action.compute_log_prob = lambda a: F.log_softmax(action.raw).t()[a[:, 0]].mean(1)
        action.log_prob = action.compute_log_prob(action.value)
        action.entropy = -(action.prob() * action.log_prob)
        return action
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