online training works (loss goes down), remove repeat_action, eval_policy outputs episodes data, eval_policy uses max_episodes_rendered

这个提交包含在:
Cadene
2024-04-10 11:34:01 +00:00
父节点 19e7661b8d
当前提交 06573d7f67
共有 11 个文件被更改,包括 219 次插入 和 211 次删除

查看文件

@ -36,6 +36,7 @@ policy:
log_std_max: 2
# learning
batch_size: 256
max_buffer_size: 10000
horizon: 5
reward_coef: 0.5