Soft Actor-Critic (SAC) ②tensorflow2による実装
連続値制御で大人気の強化学習手法であるSoft-Aactor-Criticのtensorflow2実装を解説します。 対象タスクはPendulum-v0とBipedalWalker-v3。 前記事： horomary.hatenablog.com ここまでの概要 Soft-Q関数について soft-Q関数の更新 ソフトターゲット更新 方策関数について 方策関数の更新 方策関数の実装 Reparameterizat…
