正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
reward之间的差值较大，如果不归一化的话，反向传播，梯度消失，但是归一化有没有合适的方式
强化学习学习学习
reward 样本个数为30 归一化有没有合适的方式
Document
