OpenAI的强化学习的REINFORCE和actor-critic示例具有以下代码：

加强 ：

policy_loss = torch.cat(policy_loss).sum()

演员评论家 ：

loss = torch.stack(policy_losses).sum() + torch.stack(value_losses).sum()

一种使用torch.cat ，另一种使用torch.stack 。

据我所知， 文档没有对它们之间进行任何明确的区分。

我很高兴知道这些功能之间的区别。