主页
/
7.【Deepseek】视频文档学习教程
/
2025AI人工智能课程精选
/
AI算法工程师就业班
/
31、【加课】强化学习【新增】
/
章节5:DDPG、PPO、DPPO算法
/
53:DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic.mp4
54:代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑.mp4
55:代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4
56:代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示.mp4
57:TD3_使用DoubleNetwork优化DDPG.mp4
58:PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp4
59:PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4
60:PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题.mp4
61:PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题.mp4
62:代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp4
63:代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4
64:代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示.mp4
65:DPPO分布式PPO.mp4
66:代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp4
67:代码实战_DPPO_GlobalPPO和Workers交替执行.mp4
© 2026
⚠
信息加载中,请等待...