Rețeaua țintă în DQN este o copie a rețelei neuronale principale, utilizată pentru a calcula valorile țintă ale funcției Q în timpul antrenamentului. Aceasta este actualizată mai rar decât rețeaua principală (de exemplu, la fiecare câteva mii de pași), ceea ce ajută la stabilizarea antrenamentului și evitarea divergenței. Ideea este că o rețea țintă fixă oferă un scop mai stabil pentru actualizarea parametrilor rețelei principale.

Exemplu de actualizare a rețelei țintă:

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

Anterior În continuare