当DQN算法拥有56169种action时，如何配置相关参数？
收藏
state_dim = 3
action_dim = 56169
learning_rate =取多少合适？
记忆库大小 = 取多少合适？
一次取多少训练 = 取多少合适？
训练多少episode = 取多少合适？
epsilon=取多少合适？ 比如episode=10000 在多少时 epsilon 可以达到0.9？
hid1_size = 取多少合适？
hid2_size = 取多少合适？
0
收藏
请登录后评论
我也不会。
这些参数只能靠阅读这个方面大量论文，看看一般情况下大家都是怎么做的来取一个可能比较好的值。
但是这样做也不一定能够获得比较好的参数设置，强化学习就是这样，没办法。
56169种action，一共有56169个输出层，这种网络确定可以收敛吗？我跑半天，结果都没收敛
强化学习一个不同的随机数种子都可能导致不收敛。。。
随机种子用的都是同一批的
我的意思是说很难根据跑半天没收敛就确定输出层很大能不能收敛。。。