syc1220的博客

深度强化学习框架使用异步梯度下降来优化深度神经网络控制器。提出了四种标准强化学习算法的异步变体，并证明并行actor-learners在训练中具有稳定作用，使得四种方法都能成功地训练神经网络控制器。

强化学习：A3C算法Tensorflow实现最近在看A3C，理论知识很容易理解，代码还是有一定难度，先分享本人学习莫烦大佬A3C代码的注释，理论知识后补！！！具体的算法伪代码如下：tensorflow代码如下："""Asynchronous Advantage Actor Critic (A3C) with continuous action space, Reinforcement Learning.The Pendulum example.View more on my tutor