上一页 1 ··· 3 4 5 6 7 8 9 10 11 12 下一页
摘要: 数组的创建 numpy.zeros() np.array,np.asarray array和asarray都是将结构数据转换为ndarray类型 区别是,当输入数据是ndarray,array仍然会产生副本,而asarray则不产生副本 阅读全文
posted @ 2021-04-18 17:53 -Rocky- 阅读(51) 评论(0) 推荐(0)
摘要: tiff文件读取 tifffile 安装 pip install tifffile 读写 数据可视化 Seaborn 基于matplotlib的图形可视化高级包, 并依赖于scipy包 安装 pip install seaborn 丰富图表 阅读全文
posted @ 2021-04-18 17:50 -Rocky- 阅读(52) 评论(0) 推荐(0)
摘要: numba-加速Python运行 numba包可以加速Python代码运行达到C,C++水平。 import numba @numba.jit def f(x,y): return x + y reference 阅读全文
posted @ 2021-04-18 17:40 -Rocky- 阅读(48) 评论(0) 推荐(0)
摘要: model.train() and model.eval() 定义了模型的训练和测试两种模式, 对部分层有影响, 如Dropout和BatchNormal Dropout: 为了增加模型的泛化能力(防止过拟合),训练过程中可以随机屏蔽掉一些神经元,测试时恢复。 BatchNormal: 训练过程中有 阅读全文
posted @ 2021-04-18 17:12 -Rocky- 阅读(143) 评论(0) 推荐(0)
摘要: 前言 实例参考MorvanZhou/Reinforcement-learning-with-tensorflow, 更改为PyTorch实现,并增加了几处优化。实现效果如下。 其中,红色方块作为探索的智能体,到达黄色圆形块reward=1,到达黑色方块区域reward=-1. 代码 程序主循环 fr 阅读全文
posted @ 2021-03-07 20:40 -Rocky- 阅读(7179) 评论(2) 推荐(0)
摘要: 前言 1 Q-Learning算法实现 首先,需要知道Q表和其更新公式 Q表,定义了状态(state)和行为(action) Q表更新,Q(s1,a2)=Q(s1,a2)+lrdiff,diff(差距)=现实-估计=R+rmaxQ(s2)-Q(s1,a2) 然后,算法工作流程是: 按照Q表或随机选择 阅读全文
posted @ 2021-03-07 20:33 -Rocky- 阅读(1012) 评论(0) 推荐(0)
摘要: 强化学习简介 强化学习类似试错法,让计算机从错误中学习最后找到规律。例子,Alpha Go 监督学习对具有标签的数据进行学习,强化学习对没有标签的数据进行学习, 但在环境的一次次尝试中获取这些标签学习到规律。 强化学习分类:1)通过价值选则行为:Q Learning,Sarsa,Deep Q Net 阅读全文
posted @ 2021-03-07 19:52 -Rocky- 阅读(154) 评论(0) 推荐(0)
摘要: self不是Python关键字,可以换变量名,第一个变量传入类的实例 内置类属性: dict:类属性,doc:类文档字符串 name:类名,__module:类定义所在的模块,bases:所有父类组成的元组 __repr:转化为提供解释器读取形式,str:输出形式,cmp:对象比较 对象的垃圾回收机 阅读全文
posted @ 2021-03-07 19:47 -Rocky- 阅读(121) 评论(0) 推荐(0)
摘要: 视频 强化学习入门-视频 BiliBili-同步 代码 教程 书籍 书籍-强化学习 代码 论文 强化学习关键论文 开源库 参考 强化学习资料 阅读全文
posted @ 2020-12-07 16:23 -Rocky- 阅读(120) 评论(0) 推荐(0)
摘要: 1-引言和线性回归模型 2-数字知识、多元梯度下降和正规方程 3-分类和过拟合 4-神经网络和反向传播 5-评估模型和误差分析 6-核函数和聚类算法 7-PCA和异常检测 8-推荐算法、大数据集和OCR 阅读全文
posted @ 2020-12-07 14:43 -Rocky- 阅读(219) 评论(0) 推荐(0)
上一页 1 ··· 3 4 5 6 7 8 9 10 11 12 下一页