最近我陷入了政策梯度问题。我被要求实现一种算法，其中损失函数定义如下：
Baz（像往常一样， {（x_i，y_i）} = {（输入，标签）} 在经典分类问题中，函数 h < / em>，在我的情况下，可以解释为神经网络）
这似乎非常熟悉正常的交叉熵 损失函数，除了每个项乘以权重R_i。问题出现了，因为我无法找到任何内置的 tensorflow 损失函数，这使我可以为每个样本分配权重。说明告诉我使用
@Inject
public TestExtender(Foo foo, Baz baz) {}
我发现在我的情况下不适用。你们有什么想法吗？提前谢谢！
有关更多详细信息，任务是实施深度强化学习算法，此处 x_i =状态/观察，y_i =操作，和 h 神经网络接受培训以接近政策职能