replay.rep

离线强化学习的乐观观点（ICML，2020年） 该项目使用框架提供开放源代码实施，以运行提到的实验。 在这项工作中，我们使用DQN代理的记录的经验在脱机设置（即 ）中训练非策略代理（如下所示），而在训练过程中不与环境进行任何新的交互。 有关项目页面，请参考 。 如何在50M数据集上训练脱机代理而没有RAM错误？ 请参阅 。 DQN重播数据集（记录的DQN数据） DQN重播数据集的收集方式如下：我们首先在60款训练代理，并为2亿帧（标准协议）启用了，并保存（观察，动作，奖励，下一个）的所有体