摘要：
一些推导的笔记 上面分解成无穷维，大多数时候都不是的吧。。。 这里的d有限维，应该是指相对小于上面的分解的维度的某个数 参考资料 参考资料，上面是从最小化损失的角度，利用拉格朗日对偶的优化方法求解 pca的另一种最大化方差的解释 kl变换和pca区别 阅读全文
posted @ 2019-04-18 20:00
阿夏z
阅读(1615)
评论(0)
推荐(0)
摘要：
tensorflow python创建模型，训练模型，得到.pb模型文件后，用c++ api进行预测 也可以用opencv c++库读取图片Mat复制到Tensor中 也可用指针引用的方式转换 阅读全文
posted @ 2019-02-21 15:39
阿夏z
阅读(7294)
评论(4)
推荐(1)
摘要：
参考这篇文章安装，依次安装bazel,protocbuf,eigen3，然后下载tensorflow源码，编译c++ api，将编译结果拷贝到搜索路径 最后测试案例时遇到一些问题 (1)fatal error: absl/strings/string_view.h 解决方案，git clone ht 阅读全文
posted @ 2019-02-20 11:41
阿夏z
阅读(4408)
评论(2)
推荐(0)
摘要：
PPO DPPO介绍 PPO实现 代码DPPO 阅读全文
posted @ 2019-01-10 19:37
阿夏z
阅读(1505)
评论(0)
推荐(0)
摘要：
DDPG DDPG介绍2 ddpg输出的不是行为的概率, 而是具体的行为, 用于连续动作 (continuous action) 的预测 公式推导 推导 代码实现的gym的pendulum游戏，这个游戏是连续动作的 pendulum环境介绍 代码实践 阅读全文
posted @ 2019-01-10 19:36
阿夏z
阅读(2517)
评论(0)
推荐(0)
摘要：
A3C 它会创建多个并行的环境, 让多个拥有副结构的 agent 同时在这些并行环境上更新主结构中的参数. 并行中的 agent 们互不干扰, 而主结构的参数更新受到副结构提交更新的不连续性干扰, 所以更新的相关性被降低, 收敛性提高 代码实践 阅读全文
posted @ 2019-01-10 19:35
阿夏z
阅读(775)
评论(0)
推荐(0)
摘要：
DQN的变形 double DQN prioritised replay dueling DQN 阅读全文
posted @ 2019-01-10 19:34
阿夏z
阅读(237)
评论(0)
推荐(0)
摘要：
Actor Critic value-based和policy-based的结合 实例代码 阅读全文
posted @ 2019-01-10 15:16
阿夏z
阅读(1123)
评论(0)
推荐(0)
摘要：
前面都是value based的方法，现在看一种直接预测动作的方法 Policy Based Policy Gradient 一个介绍 karpathy的博客 一个推导 推导 下面的例子实现的REINFORCE算法 实例代码 1 import sys 2 import gym 3 import py 阅读全文
posted @ 2019-01-10 15:15
阿夏z
阅读(1285)
评论(2)
推荐(0)
浙公网安备 33010602011771号