強化学習のデバッグ方法

Question

強化学習を自分で実装してやっているのですが　うまく学習しません
pytorchを使ってます　環境はPendulum-v0です

変数をprint　pltしてもそれが正しい値なのかわからなかったり
それぞれの関数でわけてやるということがしにくい性質や
ハイパーパラメータが悪いのか実装が間違ってるのかわからずうまくいきません

なにかいいデバッグ方法はないですか？

Comments

[aokikenichi]

あまりに抽象的で回答が来ていないのだと思います。
コードやエラーメッセージを示すなり具体的に問題点をお示しください。

[Flan.]

こまってるのはうまく学習できない　というのでエラーが出てるわけではなく
動いてはいます
文字数的にコードは乗せられません　一部略して乗せてもいいですが
それでは解決のy区に立たないと思います

[aokikenichi]

では答えられないです
「いいデバッグ方法はないですか？」には「ない」と答えるしかないです。

小さな分かりやすい問題で正常に動くのを確認しながら少しずつ複雑にする
コードを1行ずつ追う
変数などの値がどうなっているか確認する（デバッグツールを使うかprintなどで）
ログを確認する

という一般的なものしかないと思います。