def critic_optimizer(self):
#placeholder for target???
disc_reward = K.placeholder(shape=(None,1))
#output of critic
value = self.critic.output
#MSE error
loss = K.mean(K.square(disc_reward - value))
optimizer = Adam(lr=self.critic_lr)
#what is the second [] parameter???
updates = optimizer.get_updates(self.critic.trainable_weights, [], loss)
#[] is an empty list for outputs? https://www.tensorflow.org/api_docs/python/tf/keras/backend/function
train = K.function([self.critic.input, disc_reward], [], updates=updates)
return train
上記はA2CをKerasにて書いた例ですが、パラメータの[]が何か分かりません。
以下のメソッドでコールされてます。
def train_model(self, state, action, target, advantages):
self.actor.optimizer([state, action, advantages])
self.critic.optimizer([state, target])
ソースはこちらです:ソース
Keras及びTensorflowのドキュメンテーションを読んでも、メソッドのパラメータが全部載っていませんでしたが、メソッドのパラメーターが載っている書籍がありましたら教えてください。