如何在稳定基线(状态-动作对)上评价sac agent的q值网络?

Question

我在稳定的基线中实现SAC代理，需要在我的自定义环境中评估q值网络。我试图从SAC类对象中获得q值，但失败了。任何带有PPO (.value)的方法或函数都会非常有用。

Answer 1

我们不评估价值函数，我们评估策略。