Tips for training AC algorithm in Reinforcement learning
在强化学习中训练AC算法的技巧。
笔者最近做了大量经典强化学习算法复现的工作，在复现的过程中也遇到了大量的坑。为了解决这些坑，我积累了一些经验。为了方便日后查阅，我记录在这一篇博客里。
本博客长期更新
Tips for training DQN
首先讲一个我碰到的让我头疼了很长时间的问题。
DQN中loss很小，网络却不收敛
首先我们做一个分析
由于长时间得不到奖励，Q，V算出来都趋向于0，他们的差A也趋向于0，这样子就导致loss也趋向于0，所以就出现了一种让初学者难以想象的情况：
loss非常小，逼近于0，但网络就是不收敛。
造成这种现象的原因还有：gamma值设置的太大。对于随机探索要上万步才能达到最优解的情况，通常gamma设置为0.995以上比较好。
DQN中loss非常大，但网络开始有收敛的迹象
我们回顾一下DQN中loss计算的方法
Q是由 target_net生成， V是由act_net生成。所以，当两个网络相差太大时，会出现loss非常大的情况（笔者在训练时出现过1e13的情况）。
那么我们需要解决的就是使两个网络差距不要太大。
解决的方案有：
- batch_size 不要太大， 64为宜。
如果是对loss求和，那么大的batch_size意味着大的loss。
- 更新的频率要适中，对于小型任务（如CartPole），最好训练十次左右就更新target_net
更新频率太低，那么两个网络相差巨大，由于NN的非线性单元的存在，参数空间的微小变化，将导致输出空间产生巨大的变化。
memory的设计问题
DQN有两个非常有意思的点。一个是两个网络的设计，另是一个是经验回放池。
在设计memory中，一定要注意设计的memory的capacity需要足够的大。这个capacity的下界是至少需要将reward囊括进来。
对于sparse reward task，capacity大小很可能直接决定网络是否收敛！
欢迎关注我的github。
我在这个repo中使用pytorch复现了经典的强化学习算法以及最近流行的强化学习算法。求关注，求star。
