山…隹

摘要： num_folds = 5 k_choices = [1, 3, 5, 8, 10, 12, 15, 20, 50, 100] # k_choices = [1, 5] x_train_folds = [] y_train_folds = [] # x_train_folds = np.array( 阅读全文

摘要： 转自：https://zhuanlan.zhihu.com/p/40117857 1、tf.constant_initializer()可以简写为tf.Constant()；初始化为常数，这个非常有用，通常偏置项就是用它初始化的 由它衍生出的两个初始化方法： a、 tf.zeros_initiali 阅读全文

摘要： 策略函数梯度： 状态价值函数梯度： 整体训练： 阅读全文

摘要： pt为抽样概率，正比于Td_error，或者利用其倒数来排序，即误差越大的样本被优先拿出来抽样。没有用过的样本给他赋予最大的Td_error。 因为抽样不均匀，所以学习率要进行更改 阅读全文

摘要： 模型步骤： 神经网络Q梯度： 神经网络Π： 整体步骤： qt可换做的δt 阅读全文

摘要： import sys import tensorflow as tf from tensorflow.keras import Model, layers, initializers import numpy as np from tensorflow import keras save_attn_ 阅读全文

摘要： 阅读全文

摘要： class LossHistory(keras.callbacks.Callback): def on_train_begin(self, logs={}): self.losses = [] def on_batch_end(self, batch, logs={}): pass # self.l 阅读全文

摘要： history包含以下几个属性：训练集loss： loss测试集loss： val_loss训练集准确率： sparse_categorical_accuracy测试集准确率： val_sparse_categorical_accuracy my_model.compile(optimizer=op 阅读全文

摘要： import tensorflow as tf import time import numpy as np import matplotlib.pyplot as plt import sys from tensorflow import keras import os from tensorfl 阅读全文