AR
И какой фреймворк?
Size: a a a
2018 January 24
EN
И почему это в этом чате обсуждается?
R
И почему это в этом чате обсуждается?
Много шарящих людей?
R
tf 1.3, лосс поколебался и *сошелся* к одному значению. Ощущение, что правда где-то nan и градиентов нет.
IS
Много шарящих людей?
я предлагаю тогда обсудить, как заливать файлы на ios, наверняка тут многие в этом шарят
AS
tf 1.3, лосс поколебался и *сошелся* к одному значению. Ощущение, что правда где-то nan и градиентов нет.
Попробуй tfdbg-ом поискать nan или inf
R
Спасибо за наводки, ушел разбираться :)
P
Много шарящих людей?
Для этого есть целый ods и горсть чатов про диплернинг. Тут - только про RL.
P
И кстати - про RL.
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
OV
И кстати - про RL.
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
я вот знаю задачу про бандита и полицейского :)
EG
Бандит многорукий?
OV
Бандит многорукий?
я бы сказал, многорукий полицейский
C
камни-ножницы-бумага, да и вообще игры со смешанной стратегией
OV
камни-ножницы-бумага, да и вообще игры со смешанной стратегией
ну это тоже pomdp
IS
И кстати - про RL.
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
Какие вы знаете постановки задачи, где оптимальная политика - стохастичная (кроме POMDP)?
имеется в виду, где детерменированная политика не может быть оптимальной?
C
ну это тоже pomdp
да, не понял вопрос.
P
имеется в виду, где детерменированная политика не может быть оптимальной?
Ага
DP
В многоруком бандите же детерминированная оптимальная, нет?
Может быть в нестационарном бандите? Где распределение ревордов постоянно меняется (но это не классическая RL постановка)
Может быть в нестационарном бандите? Где распределение ревордов постоянно меняется (но это не классическая RL постановка)
A
Мне кажется, что в саттоне доказывают, что в MDP всегда можно построить детерминированную оптимальную, или я ошибаюсь?
P
Мне кажется, что в саттоне доказывают, что в MDP всегда можно построить детерминированную оптимальную, или я ошибаюсь?
Не ошибаешься