对于基于梯度的算法,重要的是监视熵值和网络梯度的范数。这有助于快速找到一组更好的超参数。 在当前的 ray 实现中,我找不到任何 API 来获取这些值。有谁知道如何在Trainer函数的报告中获取策略的熵,例如PPOTrainer、SACTrainer等?
Trainer
PPOTrainer
SACTrainer
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@)