DQN'da target tarmoq asosiy neyron tarmoqning nusxasi bo'lib, o'qitish vaqtida Q-funksiyasining maqsadli qiymatlarini hisoblash uchun ishlatiladi. U asosiy tarmoqdan kamroq yangilanadi (masalan, har bir bir necha ming qadamda), bu esa o'qitishni barqarorlashtirishga va divergentsiyani oldini olishga yordam beradi. G'oya shundaki, statik target tarmoq asosiy tarmoq parametrlarini yangilash uchun yanada barqaror maqsad taqdim etadi.

Target tarmoqni yangilash misoli:

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

Oldingi Keyingi