pytorch/examples

Actor critic example not using discount rate properly

Open

#744 建立於 2020年3月27日

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

倉庫指標

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

描述

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

貢獻者指南

研究方向
檢查演員 評論家示例程式碼，找到損失計算部分，並根據Sutton & Barto的REINFORCE with baseline演算法修改以包含折扣因子（gamma^t）。
技術棧
pythonpytorch
領域
machine learningai
議題類型
錯誤
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。
3
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。
1-3 小時
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。
活躍
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
PythonPyTorchGit
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。
65