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.
Ta strona nie jest jeszcze przetłumaczona, dlatego jest po angielsku.
Ta lekcja jest częścią płatnego kursu. Pierwszą lekcję każdego kursu przeczytasz za darmo.
Zamów e-mailem24 €W ciągu doby odpiszemy z danymi do płatności (przelew lub PayPal) i zaraz po płatności wyślemy pliki e-mailem.