问题描述
我一直在研究一些 Tensorflow 代理 examples，想知道是否有人知道如何/在何处向环境中添加银行/藏匿处的好示例，以便在代理用完时剧集提前结束的资金？
似乎将逻辑添加到重置函数是一个不错的选择，但评论似乎非常坚决不这样做。
# These two functions below should not be overridden by subclasses.
def _reset(self):
"""Returns a time step containing an observation."""
return ts.restart(self._observe(),batch_size=self.batch_size)
def _step(self,action):
"""Returns a time step containing the reward for the action taken."""
reward = self._apply_action(action)
return ts.termination(self._observe(),reward)
我最初的做法是：
def _reset(self):
"""Returns a time step containing an observation."""
self.bank += reward
return ts.restart(self._observe(),batch_size=self.batch_size)
从_take_action(...) 中其他地方定义的银行中减去。这似乎在运行，但我一直在阅读一些文档，我不确定它的行为方式是否符合我的想法。这是在 MAB 问题中添加银行的合适方法吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）