2 Commits

Author	SHA1	Message	Date
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
Serendipity	d353133b31	feat: 添加强化学习项目报告及重构课程作业报告代码结构 ... - 新增强化学习个人项目报告，包含基于PyTorch从零实现的PPO算法 - 重构课程作业报告代码结构，提取运行时路径管理和notebook执行逻辑到独立模块 - 更新依赖文件requirements.txt，添加强化学习相关依赖 - 简化模型比较结果表格，仅保留基线逻辑回归模型数据	2026-04-30 16:54:41 +08:00