Required prerequisites
Questions
非常感谢你们构建的这个项目。
我在使用这个项目的时候遇到了一些问题。我使用的是PPO算法和PPOLag算法,在训练的过程日志中,我的Metrics/EpLen显示是18。对于我的问题定义,这个问题的最大EpLen就是18,换句话说,max_episode_steps=18。对于我的问题而言,达到了最大步数,就意味着我的控制是成功的。但是,当我采用evaluate_saved_policy.py的程序测试我完成训练的模型,却很难达到最大步数,仅能取得env._count=6这种程序,我想知道这个差别的原因是什么。
Required prerequisites
Questions
非常感谢你们构建的这个项目。
我在使用这个项目的时候遇到了一些问题。我使用的是PPO算法和PPOLag算法,在训练的过程日志中,我的Metrics/EpLen显示是18。对于我的问题定义,这个问题的最大EpLen就是18,换句话说,max_episode_steps=18。对于我的问题而言,达到了最大步数,就意味着我的控制是成功的。但是,当我采用evaluate_saved_policy.py的程序测试我完成训练的模型,却很难达到最大步数,仅能取得env._count=6这种程序,我想知道这个差别的原因是什么。