pytorch/examples

Actor critic example not using discount rate properly

Open

#744 ouverte le 27 mars 2020

Voir sur GitHub
 (3 commentaires) (0 réactions) (0 assignés)Python (21 634 stars) (9 429 forks)batch import
good first issuetriaged

Description

The Actor Critic example (which is actually an implementation of REINFORCE-with-baseline as pointed out in https://github.com/pytorch/examples/issues/573), does not use the discount rate properly.

The loss should include \gamma ^ t, as shown in the box on page 330 of Sutton & Barto:

image

Guide contributeur

Stack technique
pythonpytorch
Domaine
machine learningai
Type d'issue
bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 hours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
stale
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
clear
Prérequis
REINFORCE algorithmPyTorch basicsDiscount factor concept
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
45
Direction de recherche
Examine the actor critic example file (likely in the reinforcement learning folder). The current code likely computes the loss without weighting by gamma^t. Refer to the referenced issue #573 and the Sutton & Barto equation. The fix involves multiplying each log probability term by gamma^t in the policy gradient loss calculation. Check the comments in the issue for any additional guidance.