pytorch/examples

Ambiguous code in reinforce

Open

#297 建立於 2018年2月2日

在 GitHub 查看
 (2 留言) (0 反應) (0 負責人)Python (9,429 fork)batch import
good first issue

倉庫指標

Star
 (21,634 star)
PR 合併指標
 (30 天內沒有已合併 PR)

描述

In /reinforcement_learning/reinforce.py, line 91:

running_reward = running_reward * 0.99 + t * 0.01

The variable running_reward seems to used for record average episodic rewards(not actually average, but I think the concept is similar), 0.01, is the scalar to update the average episodic rewards and t is done step. Add some comment or refactor naming may help beginners to understand this example.

貢獻者指南

研究方向
該問題指向 `/reinforcement learning/reinforce.py` 中的第 91 行。變數 `running reward` 和更新公式 `running reward * 0.99 + t * 0.01` 令人困惑。添加註解說明這是計算回合獎勵的指數移動平均，或將 `running reward` 重新命名為類似 `avg reward` 的名稱，可以澄清程式碼。檢查檔案中現有的註解和編碼風格。沒有關聯的拉取請求或維護者回應。確保更改與儲存庫中的其他範例保持一致。
技術棧
python
領域
machine learning
議題類型
文件
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
1
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1 小時以內
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
新近可參與
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
Pythonreinforcement learning basics
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
90