首页 > 试题广场 >

PPO-Clip（Proximal Policy Optim

[单选题]
PPO-Clip（Proximal Policy Optimization with Clipping）通过什么机制限制策略更新的幅度？ 
  • 使用梯度裁剪限制梯度范数
  • 使用clip函数限制新旧策略比率在[1-ε, 1+ε]范围内
  • 使用KL散度惩罚项但不设硬约束
  • 使用经验回放缓冲区
查看正确选项
添加回答

这道题你会答吗？花几分钟告诉大家答案吧！

提交观点

问题信息

深度学习
难度：
0条回答 18浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号