IRGAN里REINFORCE算法 的推导过程 的理解方式

IRGAN里的上面这个推导用了policy gradient based reinforcement learning (REINFORCE)算法，看了这个博客才看懂每步推导过程 ​​http://karpathy.github.io/2016/05/31/rl/​​

上面是从karpathy的博客摘的另外θ可以理解为神经网络的参数