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

127 KiB

2083x1481px

Raw History