pytorch/examples

Actor critic example not using discount rate properly

Open

#744 创建于 2020年3月27日

在 GitHub 查看
 (3 评论) (0 反应) (0 负责人)Python (9,429 fork)batch import
good first issuetriaged

仓库指标

Star
 (21,634 star)
PR 合并指标
 (30 天内没有已合并 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

贡献者指南

研究方向
检查演员 评论家示例代码，找到损失计算部分，并根据Sutton & Barto的REINFORCE with baseline算法修改以包含折扣因子（gamma^t）。
技术栈
pythonpytorch
领域
machine learningai
议题类型
缺陷
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。
3
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。
1-3 小时
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。
活跃
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
PythonPyTorchGit
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。
65