Я пытаюсь распечатать распределения действий в конце каждого эпизода, чтобы увидеть, что делает мой агент. Я попытался поставить это rock_paper_scissors_multiagent.py, включив следующий метод def on_episode_end(info): episode =...

Я пытаюсь сначала обучить PPOTrainer на 250 итераций в простой среде, а затем закончить обучение в модифицированной среде. (Единственная разница между средами - это изменение одного из параметров конфигурации среды). До сих пор я пробовал...