原创 強化學習 時序差分學習(Temporal-Difference Learning)
目錄 基本概念 TD(0) n-step TD TD(λ) 總結 基本概念 先看差分的定義: 差分表示一種差異，小區間上的增量，可以類比於函數中的導數，度量變化的一個指標； 直覺上，當系統趨於穩定時，
2020-04-25 01:32:06
2
原创 機器學習 梯度到底是什麼?
梯度，到底是什麼？很容易混淆。 站在山底，哪個方向爬坡最快，這個容易想象，但問題是，如果所在的高度是我們優化的目標的話，這個爬坡的方向並不是梯度的方向，這個是我們的目標值(函數值)的變化趨勢。 我們先看一下定義：
2020-04-21 14:49:19
原创 強化學習 Model-Based 和 Model-Free
Model指的是針對環境的建模，即輸入Action，環境的響應：Reward和State。 Model-Free：環境對輸入的響應就是一個映射，without model，如常見的深度強化學習DQN/A3C/PPO等； Model-Bas
2020-04-19 09:23:39
4
原创 linux grep 選中不匹配的行
# 通過 grep --help 可以查看基本命令 # 篩選未匹配結果，使用grep -v，--invert-match 選中不匹配的行，比如： grep -v 'LiLei' hello.py # 篩選hello.py 文件中不包
2020-04-19 09:23:39
1
原创 深度強化學習 on-policy 和 off-policy
如下圖，考查兩個Policy的一致性： 生成訓練數據基於的Behavior Policy 目標值即target value基於的Target Policy on-policy：兩者一致 比如A2C、A3C、TRPO、IMPA
2020-04-19 09:23:39
原创 Python dict字典排序
d = {23: 3, 13: 45, 2: 89} sorted(d.items(), key=lambda x: x[1], reverse=False) # [(23, 3), (13, 45), (2, 89)] sort
2020-04-14 13:04:01
原创 github config 配置用戶名和郵箱
# 當有多個git賬號時，可以對不同的項目，單獨配置不同的用戶名和郵箱 # 這樣就可以以 your_name 更新該項目 cd your_repos/ git config user.name your_name git config
2020-04-14 13:03:51
原创 conda安裝本地下載的包
# conda install --use-local package_name # 比如 conda install --use-local anaconda3/cudnn-7.6.0-cuda9.0_0.tar.bz2
2020-04-14 13:03:51
原创 Python multiprocessing 多進程示例
import os import multiprocessing def processing(): process_num = multiprocessing.cpu_count() - 1 # 設置進程數 re
2020-04-14 13:03:51
1
原创 Ubuntu Screen 中文顯示亂碼問題
問題：MAC連接Ubuntu，新建screen，ls或vim中文字符顯示亂碼 解決方法: screen和新建的終端都配置utf8 # screen 設置爲utf8 sudo vim /etc/screenrc # 文件追加兩行: def
2020-04-14 13:03:51
17
原创 linux下screen的新建、刪除、退出等常見指令
# 新建screen screen -S your_screen_name # 進入screen screen -r your_screen_name Ctrl+D # 在當前screen下，輸入Ctrl+D，刪除該screen
2020-04-14 13:03:41
3