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.