madlsj98

摘要： 1.如果数据满足独立同分布将没必要使用强化学习 阅读全文

摘要： DBLP+谷歌学术+百度学术 阅读全文

摘要： 输入观测的东西 经过黑盒子 输出一个概率分布 相当于也是图像识别 在Policy Gradient中，我们需要训练一个Agent。这个Agent相当于一个分类器，其输入是观测到环境的信息observation(state)，输出为行为action的概率分布。我们可以用简单的多层感知机去实现这个分类器 阅读全文

摘要： 策略梯度：https://blog.csdn.net/hhy_csdn/category_8657689.html https://tomaxent.com/2019/04/14/%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6%E6%96%B9%E6%B3%95/ http 阅读全文

摘要： python 3.6 pycharm和juypter 1.宿舍用gymlab 2.juypter默认base环境 1.需要在你的环境下：conda install nb_conda 2.日常使用： 1.activate gymlab 2.jupyter notebook 3.选择desktop桌面， 阅读全文