g
y
7
7
7
7
上一页 1 2 3 4 5 6 7 8 9 10 ··· 20 下一页
摘要: 一般DQN中的经验池类,都类似于下面这段代码。 import random from collections import namedtuple, deque Transition = namedtuple('Transition', ('state', 'next_state', 'action' 阅读全文
posted @ 2020-12-15 17:27 gy77 阅读(802) 评论(0) 推荐(0) 编辑
摘要: 下载解压并添加环境变量 记录一下今天SUMO的安装及使用经验,写的可能比较潦草,没看懂的小伙伴在下方评论,我看到一定会解答。 第一步先打开网址下载sumo: https://sourceforge.net/projects/sumo/files/sumo/ 各个版本的都有,我下载的是最新版1.8.0 阅读全文
posted @ 2020-12-10 21:39 gy77 阅读(2005) 评论(0) 推荐(1) 编辑
摘要: 都为笔者自己理解,加上笔者刚接触这个领域不久,因此可能存在理解偏差,希望可以和大家多多讨论,写这个知识储备的目的就是记录一下自己常用的知识,便于回顾以及查找。毕竟自己记录的知识,回顾起来自己写的什么意思最容易理解。 本文中的图片都源于百度AI studio课程: 强化学习7日打卡营-世界冠军带你从零 阅读全文
posted @ 2020-11-22 20:29 gy77 阅读(1133) 评论(0) 推荐(0) 编辑
摘要: 1. Sarsa模型 1.1 Sarsa类代码: class SarsaAgent(object): def __init__(self,state_n,action_n,learning_rate=0.01,gamma=0.9,e_greed=0.1): """ :param state_n:状态 阅读全文
posted @ 2020-11-19 17:18 gy77 阅读(269) 评论(0) 推荐(0) 编辑
摘要: 题目大体意思就是输入的是某地的人口,输出的是某地方的收益。 题目及数据集下载: https://wwa.lanzous.com/b054sprza 密码:ba3w 大体模型如下图:现在X前边加一列值为1的列,然后求解两个参数theta1和theta2,这样求解和y=kx+b,求k与b一样,只不过是通 阅读全文
posted @ 2020-11-17 10:08 gy77 阅读(271) 评论(0) 推荐(0) 编辑
摘要: 论文地址:https://arxiv.org/pdf/1812.04202.pdf 最近老师让我们读的一片论文,已经开组会讲完了,我负责的是第五章,图的自动编码,现在再总结一遍,便于后者研读。因为这篇论文是一篇综述,所以里边有些符号,在这个模型里是一个意思,在另一个模型了,符号又变了。 GRAPH 阅读全文
posted @ 2020-11-09 21:59 gy77 阅读(236) 评论(0) 推荐(0) 编辑
摘要: 先说一个小知识,助于理解代码中各个层之间维度是怎么变换的。 卷积函数:一般只用来改变输入数据的维度,例如3维到16维。 Conv2d() Conv2d(in_channels:int,out_channels:int,kernel_size:Union[int,tuple],stride=1,pad 阅读全文
posted @ 2020-10-18 21:12 gy77 阅读(1301) 评论(0) 推荐(0) 编辑
摘要: 先说一个小知识,助于理解代码中各个层之间维度是怎么变换的。 卷积函数:一般只用来改变输入数据的维度,例如3维到16维。 Conv2d() Conv2d(in_channels:int,out_channels:int,kernel_size:Union[int,tuple],stride=1,pad 阅读全文
posted @ 2020-10-16 20:30 gy77 阅读(994) 评论(0) 推荐(1) 编辑
摘要: C~K的难题:费马小定理+快速幂 Problem Description 众所周知 C~K 喜欢数学,但是他最近被一个题给难住了,题目是这样的。 要求 (A/B)%10007,但由于 A 很大,我们只给出 n (n = A%10007)(我们给定的A必能被B整除,且 gcd(B,10007) = 1 阅读全文
posted @ 2020-10-15 20:43 gy77 阅读(118) 评论(0) 推荐(0) 编辑
摘要: 均方差损失函数mse_loss()与交叉熵损失函数cross_entropy() 1.均方差损失函数mse_loss() 均方差损失函数是预测数据和原始数据对应点误差的平方和的均值。 \[ MSE=\frac{1}{N}( y^`−y)^2 \] N为样本个数,y'为预测数值,y为正确数值。 代码实 阅读全文
posted @ 2020-10-10 17:19 gy77 阅读(1339) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 10 ··· 20 下一页