Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDILab开源决策智能平台
DI-engine
提交
cd401b92
D
DI-engine
项目概览
OpenDILab开源决策智能平台
/
DI-engine
上一次同步 2 年多
通知
61
Star
322
Fork
1
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
1
Wiki
分析
仓库
DevOps
项目成员
Pages
D
DI-engine
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
1
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
cd401b92
编写于
9月 03, 2021
作者:
N
niuyazhe
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
hotfix(nyz): fix ppo bug when use dual_clip and adv > 0
上级
dd4472e4
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
4 addition
and
1 deletion
+4
-1
ding/rl_utils/ppo.py
ding/rl_utils/ppo.py
+4
-1
未找到文件。
ding/rl_utils/ppo.py
浏览文件 @
cd401b92
...
...
@@ -98,7 +98,10 @@ def ppo_policy_error(data: namedtuple,
surr1
=
ratio
*
adv
surr2
=
ratio
.
clamp
(
1
-
clip_ratio
,
1
+
clip_ratio
)
*
adv
if
dual_clip
is
not
None
:
policy_loss
=
(
-
torch
.
max
(
torch
.
min
(
surr1
,
surr2
),
dual_clip
*
adv
)
*
weight
).
mean
()
clip1
=
torch
.
min
(
surr1
,
surr2
)
clip2
=
torch
.
max
(
clip1
,
dual_clip
*
adv
)
# only use dual_clip when adv < 0
policy_loss
=
-
(
torch
.
where
(
adv
<
0
,
clip2
,
clip1
)
*
weight
).
mean
()
else
:
policy_loss
=
(
-
torch
.
min
(
surr1
,
surr2
)
*
weight
).
mean
()
with
torch
.
no_grad
():
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录