DQN-də hədəf şəbəkəsi nədir?

DQN-də hədəf şəbəkəsi əsas neyron şəbəkənin surətidir və təlim zamanı Q funksiyasının hədəf dəyərlərini hesablamaq üçün istifadə olunur. Bu, əsas şəbəkədən daha az tez yenilənir (məsələn, hər bir neçə min addımda), bu da təlimi stabilləşdirməyə və divergensiyanı qarşısını almağa kömək edir. Fikir odur ki, sabit hədəf şəbəkəsi əsas şəbəkənin parametrlərini yeniləmək üçün daha stabillik məqsədi təmin edir.

Hədəf şəbəkəsinin yenilənməsi nümunəsi:

if step % target_update_freq == 0:
    target_network.load_state_dict(main_network.state_dict())