A3CでCartPole (強化学習)
深層強化学習において分散並列学習の有用性を示した重要な手法であるA3Cの解説と Tensorflow 2 での実装を行います。 [1602.01783] Asynchronous Methods for Deep Reinforcement Learning A3C: Asynchronous Actor Critic Asynchronous （非同期） とは A3CとA2C 分岐型 Actor-Critic ネットワーク A3Cのロス関数 ① アド…
