修改了算法代码,并建立了一个简单的训练脚本.修改bert处理二维输入,移除PPO的permute参数

Algorithm/disc.py

@@ -1,6 +1,9 @@
 import torch
 from torch import nn
-from .bert import Bert
+try:
+    from .bert import Bert
+except ImportError:
+    from bert import Bert
 
 
 DISC_LOGIT_INIT_SCALE = 1.0