相关疑难解决方法(0)

OpenAI的REINFORCE和演员批评强化学习的例子有以下代码:

加强:

policy_loss = torch.cat(policy_loss).sum()

演员评论家:

loss = torch.stack(policy_losses).sum() + torch.stack(value_losses).sum()

一个是使用torch.cat,另一个是使用torch.stack.

就我的理解而言,该文件并未对它们作出任何明确的区分.

我很高兴知道这些功能之间的差异.

我的代码中有错误，无论尝试哪种方式都无法解决。

错误很简单，我返回一个值：

torch.exp(-LL_total/T_total)

然后在管道中获取错误：

RuntimeError: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead.

诸如此类的解决方案cpu().detach().numpy()也会出现相同的错误。

我该如何解决？谢谢。