外部数据进行强化学习训练
收藏
外部数据的输入是在何时，以怎样的形式进行的，每个episode中多用while来进行，以done来break，对于有限的数据，循环迭代是怎么处理的？
我有一批数据进行训练（作为输入状态数据S），比如有1000条，并不是像cartpole那样，每次step会调整state，每次就是输入一条数据
0
收藏
请登录后评论
可以到有关的群或者社区里面交流讨论一下，官网有群二维码，可以去看一下，看了表述感觉那样子沟通有效一些