Training a walking policy with PPO
How PPO learns: policy gradients, advantages and the clipped update, with light maths. Then training with Stable-Baselines3: parallel environments, normalisation, the numbers in the log, saving, and what to do when nothing is learned.
Esta página aún no está traducida, por eso se muestra en inglés.
Esta lección forma parte del curso de pago. La primera lección de cada curso es gratuita.
Pedir por correo24 €Respondemos en un día con los datos de pago (transferencia o PayPal) y te enviamos los archivos por correo justo después del pago.