2 Commits

Author	SHA1	Message	Date
Serendipity	6b929e9790	docs: 添加强化学习项目报告及相关文件 ... 添加完整的强化学习个人项目报告，包括PDF文档、LaTeX源文件、训练曲线图、TensorBoard日志以及改进的训练脚本。报告详细记录了从零实现PPO算法解决CarRacing-v3环境的过程，包含算法设计、网络架构、超参数配置和实验结果分析。	2026-04-30 22:59:14 +08:00
Serendipity	b32490ae03	fix(ppo): 修正日志概率维度与状态张量格式 ... 修复 replay buffer 中 log_probs 的维度错误，从 (buffer_size, action_dim) 改为 buffer_size 修正训练时状态张量格式，从 (N, H, W, C) 转换为 (N, C, H, W) 更新 collect_rollout 返回观测值并修正 log_prob 计算 添加项目配置文件和训练曲线生成脚本	2026-04-30 20:30:40 +08:00