您最多选择25个主题
主题必须以中文或者字母或数字开头，可以包含连字符 (-)，并且长度不得超过35个字符
3.3 KiB
3.3 KiB
| Steps | Policy/Entropy | Environment/Episode Length | Policy/Extrinsic Value Estimate | Environment/Cumulative Reward | Policy/Extrinsic Reward | Is Training |
| 2100000 | 1.3773401 | 999.0 | 0.3081405 | 2.413793103448276 | 2.413793103448276 | 1.0 |
| 2130000 | 1.3769064 | 999.0 | 0.35258147 | 2.1333333333333333 | 2.1333333333333333 | 1.0 |
| 2160000 | 1.3765801 | 999.0 | 0.36262366 | 2.3333333333333335 | 2.3333333333333335 | 1.0 |
| 2190000 | 1.3756678 | 999.0 | 0.36149785 | 2.433333333333333 | 2.433333333333333 | 1.0 |
| 2220000 | 1.3748502 | 999.0 | 0.3760906 | 2.0 | 2.0 | 1.0 |
| 2250000 | 1.3747145 | 999.0 | 0.44580758 | 2.933333333333333 | 2.933333333333333 | 1.0 |
| 2280000 | 1.3738748 | 999.0 | 0.43365896 | 2.5 | 2.5 | 1.0 |
| 2310000 | 1.3735058 | 999.0 | 0.45774668 | 2.7333333333333334 | 2.7333333333333334 | 1.0 |
| 2340000 | 1.3730619 | 999.0 | 0.46977568 | 2.6333333333333333 | 2.6333333333333333 | 1.0 |
| 2370000 | 1.3724201 | 999.0 | 0.52351797 | 3.1333333333333333 | 3.1333333333333333 | 1.0 |
| 2400000 | 1.3722799 | 999.0 | 0.41167066 | 2.433333333333333 | 2.433333333333333 | 1.0 |
| 2430000 | 1.3723075 | 999.0 | 0.46955302 | 2.6 | 2.6 | 1.0 |
| 2460000 | 1.3720467 | 999.0 | 0.48040706 | 2.933333333333333 | 2.933333333333333 | 1.0 |
| 2490000 | 1.3715938 | 999.0 | 0.5279211 | 3.533333333333333 | 3.533333333333333 | 1.0 |
| 2520000 | 1.3708451 | 999.0 | 0.5134369 | 3.1 | 3.1 | 1.0 |
| 2550000 | 1.3700117 | 999.0 | 0.5341036 | 3.066666666666667 | 3.066666666666667 | 1.0 |
| 2580000 | 1.3697581 | 999.0 | 0.547207 | 3.2666666666666666 | 3.2666666666666666 | 1.0 |
| 2610000 | 1.3695395 | 999.0 | 0.5949984 | 3.433333333333333 | 3.433333333333333 | 1.0 |
| 2640000 | 1.3690343 | 999.0 | 0.5894445 | 3.2333333333333334 | 3.2333333333333334 | 1.0 |
| 2670000 | 1.3683845 | 999.0 | 0.6216194 | 3.533333333333333 | 3.533333333333333 | 1.0 |
| 2700000 | 1.3678977 | 999.0 | 0.6431987 | 3.433333333333333 | 3.433333333333333 | 1.0 |
| 2730000 | 1.3673905 | 999.0 | 0.58956176 | 3.5 | 3.5 | 1.0 |
| 2760000 | 1.3670135 | 999.0 | 0.60778147 | 3.6 | 3.6 | 1.0 |
| 2790000 | 1.3669285 | 999.0 | 0.6481189 | 3.3333333333333335 | 3.3333333333333335 | 1.0 |
| 2820000 | 1.3668277 | 999.0 | 0.6767778 | 3.9 | 3.9 | 1.0 |
| 2850000 | 1.366292 | 999.0 | 0.71974176 | 4.333333333333333 | 4.333333333333333 | 1.0 |
| 2880000 | 1.3660495 | 999.0 | 0.6899334 | 3.8333333333333335 | 3.8333333333333335 | 1.0 |
| 2910000 | 1.3658218 | 999.0 | 0.6684767 | 3.2666666666666666 | 3.2666666666666666 | 1.0 |
| 2940000 | 1.3656154 | 999.0 | 0.72521174 | 4.5 | 4.5 | 1.0 |
| 2970000 | 1.3653404 | 999.0 | 0.73857576 | 4.433333333333334 | 4.433333333333334 | 1.0 |
| 3000000 | 1.3649282 | 999.0 | 0.73654044 | 3.966666666666667 | 3.966666666666667 | 1.0 |
| 3030000 | 1.3647668 | 999.0 | 0.7889042 | 4.1 | 4.1 | 1.0 |
| 3060000 | 1.3646353 | 999.0 | 0.7642508 | 3.8666666666666667 | 3.8666666666666667 | 1.0 |
| 3090000 | 1.3642799 | 999.0 | 0.79589516 | 4.266666666666667 | 4.266666666666667 | 1.0 |
| 3120000 | 1.3638445 | 999.0 | 0.7517927 | 3.8 | 3.8 | 1.0 |
| 3150000 | 1.3636676 | 999.0 | 0.81113255 | 4.066666666666666 | 4.066666666666666 | 1.0 |
| 3180000 | 1.3635234 | 999.0 | 0.77437973 | 4.1 | 4.1 | 1.0 |
| 3210000 | 1.3634255 | 999.0 | 0.82314533 | 4.166666666666667 | 4.166666666666667 | 1.0 |
| 3240000 | 1.3631703 | 999.0 | 0.76016444 | 4.166666666666667 | 4.166666666666667 | 1.0 |
| 3270000 | 1.363088 | 999.0 | 0.7195913 | 4.0 | 4.0 | 1.0 |
| 3300000 | 1.3629593 | 999.0 | 0.67333007 | 3.4 | 3.4 | 1.0 |
| 3330000 | 1.362868 | 999.0 | 0.81746775 | 4.566666666666666 | 4.566666666666666 | 1.0 |
| 3360000 | 1.362799 | 999.0 | 0.84668696 | 4.7 | 4.7 | 1.0 |
| 3390000 | 1.3627264 | 999.0 | 0.86460376 | 4.533333333333333 | 4.533333333333333 | 1.0 |
| 3420000 | 1.3626827 | 999.0 | 0.82469565 | 4.4 | 4.4 | 1.0 |
| 3450000 | 1.362634 | 999.0 | 0.8789221 | 4.5 | 4.5 | 1.0 |
| 3480000 | 1.3626091 | 999.0 | 0.8840816 | 4.733333333333333 | 4.733333333333333 | 1.0 |
| 3510000 | 1.3626095 | 999.0 | 0.8739488 | 4.433333333333334 | 4.433333333333334 | 0.0 |