Ваш PPO-агент не обучается?

Один гиперпараметр может повысить стабильность обучения и помочь вашему агенту исследовать окружающий мир! Мы исследуем, как повысить надежность обучения при использовании библиотеки стабильных базовых линий 3, с помощью ViZDoom, используя библиотеку глубоких нейронных сетей PyTorch и язык Python 3.