Policy Gradient
实现的是Policy Gradient最基本的REINFORCE方法
原理讲解
参考我的博客Policy Gradient算法实战
环境
python 3.7.9
pytorch 1.6.0
tensorboard 2.3.0
torchvision 0.7.0
程序运行方法
train:
python main.py
eval:
python main.py --train 0
tensorboard：
tensorboard --logdir logs