pytorch/examples

Ambiguous code in reinforce

开放

#297 创建于 2018年2月2日

在 GitHub 查看贡献者指南
 (2 条评论) (0 个反应) (0 位负责人)Python (9,429 个派生)batch import
good first issue

仓库指标

星标
 (21,634 个星标)
PR 合并指标
 (PR 指标待抓取)

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.

贡献者指南

研究方向
该问题指向 `/reinforcement learning/reinforce.py` 中的第 91 行。变量 `running reward` 和更新公式 `running reward * 0.99 + t * 0.01` 令人困惑。添加注释说明这是计算回合奖励的指数移动平均，或将 `running reward` 重命名为类似 `avg reward` 的名称，可以澄清代码。检查文件中现有的注释和编码风格。没有关联的拉取请求或维护者回应。确保更改与仓库中的其他示例保持一致。
技术栈
python
领域
machine learning
议题类型
文档
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
1
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1 小时以内
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
新近可参与
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
Pythonreinforcement learning basics
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
90