作为一个新手,写这个强化学习-基础知识专栏是想和大家分享一下自己学习强化学习的学习历程,希望对大家能有所帮助。这个系列后面会不断更新,希望自己在2021年能保证平均每日一更的更新速度,主要是介绍强化学习的基础知识,后面也会更新强化学习的论文阅读专栏。本来是想每一篇多更新一点内容的,后面发现大家上CSDN主要是来提问的,就把很多拆分开来了(而且这样每天任务量也小一点哈哈哈哈偷懒大法)。但是我还是希望知识点能成系统,所以我在目录里面都好按章节系统地写的,而且在github上写成了书籍的形式,如果大家觉得有帮助,希望从头看的话欢迎关注我的github啊,谢谢大家!另外我还会分享深度学习-基础知识专栏以及深度学习-论文阅读专栏,很早以前就和小伙伴们花了很多精力写的,如果有对深度学习感兴趣的小伙伴也欢迎大家关注啊。大家一起互相学习啊!可能会有很多错漏,希望大家批评指正!不要高估一年的努力,也不要低估十年的积累,与君共勉!
Tips in Policy Gradient Descent
- 首先policy gradient的variance是非常大的,它的gradient噪声比较大(来自trajectory的累积reward)。为了克服它,可以尝试将训练的batch size加到非常大。
- 另外,由于gradient的noise很大,学习率会比较难调节,很多时候使用ADAM勉强可行。而一般而言,我们会使用类似PPO/TRPO那样的专用于policy gradient的自动确定学习步长的方法
上一篇:强化学习的学习之路(三十四)_2021-02-03:Off-Policy policy gradient
下一篇:强化学习的学习之路(三十六)_2021-02-05: Actor Critic - Reducing variance with critic