问题描述
我正在尝试使用稳定的基线来训练用于避免碰撞的强化学习模型。我正在使用自定义策略网络。我已经训练了几种模型，它们已经收敛到稳定的回报，但是似乎该策略是独立于输入（观察空间）的，这意味着无论采取什么观察，它都会采取固定的措施。我需要调试此问题，我想检查策略网络的参数更改可能会有所帮助。有谁知道我该如何调试问题或如何检查自定义策略的参数更改？
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@）
