在深度Q学习任务中，提高稳定性的一种方法是保持一组用于计算Q值目标的网络目标权重，这些权重更新缓慢。在学习过程中，不同时间会使用两组不同的权重进行前向传递。对于普通的DQN，这并不难实现，因为权重是可以使用feed_dict设置的tensorflow变量，例如：
sess = tf.Session()input = tf.placeholder(tf.float32, shape=[None, 5])weights = tf.Variable(tf.random_normal(shape=[5,4], stddev=0.1)bias = tf.Variable(tf.constant(0.1, shape=[4])output = tf.matmul(input, weights) + biastarget = tf.placeholder(tf.float32, [None, 4])loss = ......#在这里，我们明确地将权重设置为缓慢更新的目标权重sess.run(output, feed_dict={input: states, weights: target_weights, bias: target_bias})#使用此输出计算学习过程的目标.....#现在我们运行学习过程，使用最新的权重，以及之前计算的目标sess.run(loss, feed_dict={input: states, target: targets})我想在DQN的循环版本中使用这种目标网络技术，但我不知道如何访问和设置循环单元内部使用的权重。具体来说，我使用的是tf.nn.rnn_cell.BasicLSTMCell，但我想知道如何对任何类型的循环单元执行此操作。
回答：
BasicLSTMCell不会将其变量作为公共API的一部分公开。我建议您查找这些变量在图中的名称，并使用这些名称进行输入（这些名称不太可能改变，因为它们在检查点中，更改这些名称会破坏检查点兼容性）。
或者，您可以制作一个公开变量的BasicLSTMCell副本。我认为这是最干净的方法。
