GPU買いてぇ REINFORCE 買い出し REINFORCE ピクセルからピンを改めて読んでいると方策勾配法から試してみようという気になる． postd.cc postd.cc 連続値制御なら，まずはシンプルなアルゴリズムを適用してみようと，まずはREINFORCEアルゴリズムをコーディ…