A3C-LSTM:在CartPole OpenAI Gym环境中测试了A3C-LSTM算法

使用长期短期记忆网络（A3C-LSTM）的异步优势参与者关键算法的实现 重要说明：此处显示的模型无法在此环境下收敛。 要查看融合模型，请查看 从Arthur 可在此处找到论文： 在测试 要求 和 。 用法 训练仅在大于30的小批量上进行，有效地防止了表现不佳的事件影响训练。 奖励因素用于以更快的学习速度进行有效的训练。 每100集会保存一次模型。 通过将全局参数中的任何一个设置为True，可以重新加载它们以进行进一步的培训，也可以对其进行可视化以进行测试。 这只是测试A3C-LSTM实现的示例代码。 这不应该被认为是在这种环境下学习的最佳方式！