想请教各位：用DDPG来训练agent时，出现了reward开始时收敛、而后发散的问题，求问原因和解决办法，不胜感激！
FYO 一般应该是学习率的原因、或者试试换个优化函数
1、建议参考一下A3C算法论文里的不同学习率对下的收敛速度 2、建议阅读一下Deep Reinforcement learning that matters论文里的各种影响因素对强化学习算法的影响。
尝试调小学习率呢
Air-legend 谢谢！试了很多组学习率，目前看来效果不是特别明显
[未知] 好的！谢谢你的建议！
