所以我使用卷积层作为神经网络的第一层，用于深度强化学习，以便从我 Build 的模拟中获取空间特征 . 模拟给出了不同长度和高度的不同 Map . 如果我理解卷积网络，这应该无关紧要，因为信道大小保持不变 . 在卷积网络和完全连接的层之间存在空间金字塔池化层，使得变化的图像大小无关紧要 . 空间数据也很稀疏 . 通常它能够在第一个卷积层吐出所有Nans之前经历一些状态，有时会经历几个剧集 . 即使我修复了 Map 大小，也会发生这种情况 . 我不知道问题出在哪里，问题出在哪里？
尝试使用0到1之间的随机数初始化权重，然后尝试不同的网络训练学习率 . （我建议测试它的学习率等于10,1,0.1,0.01，......）
1 回答
尝试使用0到1之间的随机数初始化权重，然后尝试不同的网络训练学习率 . （我建议测试它的学习率等于10,1,0.1,0.01，......）