Target network en DQN es una copia de la red neuronal principal, que se utiliza para calcular los valores objetivo de la función Q durante el entrenamiento. Se actualiza con menos frecuencia que la red principal (por ejemplo, cada varios miles de pasos), lo que ayuda a estabilizar el entrenamiento y evitar la divergencia. La idea es que una target network fija proporciona un objetivo más estable para actualizar los parámetros de la red principal.

Ejemplo de actualización de la target network:

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

Anterior Siguiente