强化学习使用DDPG网络中的策略网络最后一层通过softmax 不收敛？
收藏
我在actor网络的最后一层使用softmax 激活函数，得到n维向量，作为动作。放到环境里，但是却不能收敛，请问各位大佬有做过类似的操作吗？有相关的代码和论文吗？
0
收藏
请登录后评论
为什么要用这个激活函数啊？我有个DDPG项目，也许大佬可以看看
您的项目我看过，写的挺好的，是这样的，我想要输出n个和为1的向量 作为action和环境交互，但没法收敛，您写过或遇到类似的代码吗？
好像没有。。。
国庆快乐 老哥！
哈哈哈，国庆快乐