以前觉得自己还算了解反向传播
直到最近读到有做取样的 Layer
才发现我不懂
查了一下才知道叫 Policy Gradient 实际计算上有 baseline, reparameterization tri
ck 等技巧
回想起来
我常学了一点东西就以为自己懂了
然后就转移兴趣去做其他事情
总不能持之以恒
浪费了许多岁月，突然有点感伤