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.
Cette page n'est pas encore traduite, elle s'affiche donc en anglais.
Cette leçon fait partie du cours payant. La première leçon de chaque cours est gratuite.
Commander par e-mail24 €Nous répondons sous un jour avec les informations de paiement (virement ou PayPal) et t'envoyons les fichiers par e-mail juste après le paiement.