我在 Pong 环境中运行一个基本的 DQN（深度 Q 网络）。不是 CNN，只是带有 ReLU 的 3 层线性神经网络。

它似乎在大多数情况下都有效，但在某些时候，我的模型遭受了灾难性的性能损失：

1. 真正的原因是什么？

2. 避免这种情况的常用方法是什么？剪裁渐变？还有什么？

（从以前成功的检查点重新加载感觉更像是一种 hack，而不是解决这个问题的正确方法。）