johnjim0816/rl-tutorials

PPO.py里的140行是不是写错了

Closed this issue · 1 comments

hykon123 commented

PPO.py里的140行是不是写错了，returns = advantage(batch) + values[batch] ，为什么是advantage，而不是reward

johnjim0816 commented

没，ppo里面计算的的确是优势，由于最近版本更新了，同学再看下～