どこから見てもメンダコ

深層強化学習における超大規模分散並列化の有用性を示したApeX-DQN（Distributed Prioritized Experience Replay）をtensorflow2とrayで実装します。手法の構成要素自体はRainbowとだいたい同じであるため、本記事の焦点は分散並列学習の実装です。 はじめに Ape-X DQN の概要 Learnerの役割 Actorの役割 Replayの役割 Rai…