请问各位大佬，深度强化学习训练次数怎么确定？
PonyShan
请参考这篇文章(收敛性)如何确定“深度强化学习”算法训练到收敛？，观察收敛情况设置
我觉得这个可以设置一个评估的最优epoch，如果大于超过之前最优的reward那就持续，否则就给停掉吧
