RL 训练参数尝试

几个方向

• 是否固定 Image Model

limiao: 目前都是固定Image Model的

• 尝试Adam训练

limiao: 准备尝试使用Adam训练

• 尝试不同学习率

limiao: 目前正在尝试两种0.1和0.01两种学习率，decay factor还是0.6

• 尝试加入Multi-Task loss