我想对《自然》 2015年中的文章“通过深度强化学习进行人级控制”进行说明。当我阅读该书时，我了解到他们使用的DQN具有相同的算法，网络架构和超参数。大！但是他们没有指定是从头开始训练每个游戏，因此我们每个游戏只能获得一个神经网络（对于49个游戏而言，意味着49个神经网络），或者他们是否使用唯一的神经网络来训练所有游戏（平均仅一个神经网络可以玩49场比赛）。
有人知道正确答案吗？因为根本不是一回事！：）
谢谢
答案 0 :(得分：1)
在您提到的论文中，为49个游戏训练了49个网络：“每个游戏训练了一个不同的网络：所有游戏都使用相同的网络体系结构，学习算法和超参数设置（请参阅扩展数据表1） ，表明我们的方法足够健壮，可以在各种游戏上运行，同时仅包含最少的先验知识”。
有些算法只能训练全部49个游戏的一个网络，例如https://arxiv.org/pdf/1809.04474.pdf