哈喽啊，老铁们。有伙伴研究强化学习中的DDPG算法吗，我现在的问题是：算法中对于actor网络，目标

哈喽啊，老铁们。有伙伴研究强化学习中的DDPG算法吗，我现在的问题是：算法中对于actor网络，目标网络权值w'的更新与当前网络权值w有关，也就是w'=tau*w+(tau-1)*w'。当前网络权值w是基于梯度下降法更新的，而目标网络权值w'更新是基于上面那个式子的，那目标网络对于权值的训练是不是就不需要梯度下降法了?

对的，在训练过程结束时进行目标网络和当前网络的软更新，也就是上面那个式子