对大家有帮助的问答会被标记为“推荐”，看完课程过来浏览一下别人提的问题，会帮你学得更全面
老师，请问能推荐一些强化学习的教材吗？希望能够自己闲暇时看看书。
Pendulum的action的取值怎么就可以确定是一个符合N(μ，σ)的正态分布
neg_log_prob = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=all_act, labels=self.tf_acts)
使用这个交叉熵计算loss，在模型迭代的时候一直迭代学习到reward=9，奖励值就不变了
QLearn.RL_brain 这个库文件怎么安装？
京公网安备 11011402011233号