python - 在 tensorflow 中使用负损失

Question

我正在实现一个基于类采取行动的强化代理。所以它可以采取行动 1 或 2 或 3 或 4。

所以我的问题是我可以在 tensorflow 中使用负损失来阻止它输出 Action 。

示例:假设代理输出 Action 1，我想非常强烈地阻止它在这种情况下再次采取 Action 1。但没有已知的应该采取的行动。所以我不能只是选择不同的 Action 来让它学习这一点。

所以我的问题是: tensorflow 梯度计算是否处理负值损失。如果确实如此，它会按照我描述的方式工作吗？

Answer 1

梯度下降最小化器通常会尝试找到最小损失，而不管损失表面的符号如何。听起来您要么想要a)指定一个大损失以鼓励您的模型选择其他内容，要么b)指定第五个不采取行动 类别。