在策略梯度中，我们有这样的东西：
我的理解是否正确，如果我在最后一层应用对数交叉熵，梯度将根据上面的公式自动计算？
策略梯度 - 和自动微分 (Pytorch/Tensorflow)
数据挖掘
张量流
强化学习
火炬
政策梯度
2022-02-18 03:00:45
1个回答
是的，只取最后一层的交叉熵损失，然后取它的梯度。实际行动将成为目标。
例如，在 PyTorch 中：在最后一层应用CrossEntropyLoss（不需要做 softmax，因为它是由这个函数隐式完成的）
其它你可能感兴趣的问题