DQN mērķa tīkls ir kopija no galvenā neironu tīkla, kas tiek izmantota mācību laikā, lai aprēķinātu mērķa Q funkcijas vērtības. Tas tiek atjaunināts retāk nekā galvenais tīkls (piemēram, ik pēc dažiem tūkstošiem soļu), kas palīdz stabilizēt apmācību un novērst novirzi. Ideja ir tāda, ka fiksēts mērķa tīkls nodrošina stabilāku mērķi galvenā tīkla parametru atjaunināšanai.

Piemērs, kā atjaunināt mērķa tīklu:

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

Iepriekšējais Tālāk