摘要：
一、强化学习问题需要描述那些内容 强化学习中最主要的两类对象是“个体”和“环境”，其次还有一些像“即时奖励”、“收获”、“状态”、“行为”、“价值”、“策略”、“学习”、“控制”等概念。这些概念把个体和环境联系起来。通过理论学习，我们知道： 1. 环境响应个体的行为。当个体执行一个行为时，它需要根据 阅读全文
posted @ 2018-01-16 09:42
彼岸花杀是条狗
阅读(6040)
评论(0)
推荐(0)
该文被密码保护。 阅读全文
posted @ 2018-01-15 16:36
彼岸花杀是条狗
阅读(2)
评论(0)
推荐(0)
摘要：
在DeepLearning的文章中有看到end2end一次，作者们似乎都比较喜欢这个end2end learning的方式。那么到底啥是end2end？找了一下相关论文，没找到专门讲这个概念的，看来应该不是很严格定义的一个说法。那就搬运一下Quora上的提问和回答吧。问题：https://www.quora.com/What-is-end-to-end-learning-in-machine-le... 阅读全文
posted @ 2018-01-15 14:12
彼岸花杀是条狗
阅读(271)
评论(0)
推荐(0)
摘要：
报错是因为要安装PIL库，库名现在为Pillow，在命令行上安装即可：pip3 install Pillow 阅读全文
posted @ 2018-01-15 10:07
彼岸花杀是条狗
阅读(1650)
评论(0)
推荐(0)
摘要：
tf.estimator模块 定义在：tensorflow/python/estimator/estimator_lib.py 估算器（Estimator）： 用于处理模型的高级工具。 export 模块：用于导出估算器的实用方法。 inputs 模块：用于创建简单的 input_fns 的实用方法 阅读全文
posted @ 2018-01-14 20:22
彼岸花杀是条狗
阅读(5985)
评论(0)
推荐(0)
摘要：
tf.contrib模块 tf.contrib 模块是一个比较复杂的模块。 contrib细节： tf.contrib.bayesflow.entropy 香农信息论 tf.contrib.bayesflow.monte_carlo Monte Carlo integration 蒙特卡洛积分 tf 阅读全文
posted @ 2018-01-13 16:07
彼岸花杀是条狗
阅读(2974)
评论(0)
推荐(0)
摘要：
在信息论中，Rényi熵是Hartley熵，Shannon熵，碰撞熵和最小熵的推广。熵能量化了系统的多样性，不确定性或随机性。Rényi熵以AlfrédRényi命名。在分形维数估计的背景下，Rényi熵构成了广义维数概念的基础。 Rényi熵在生态学和统计学中是重要的多样性指标。Rényi熵在量子 阅读全文
posted @ 2018-01-13 14:57
彼岸花杀是条狗
阅读(13255)
评论(1)
推荐(0)
摘要：
浅谈KL散度 一、第一种理解 相对熵（relative entropy）又称为KL散度（Kullback–Leibler divergence，简称KLD），信息散度（information divergence），信息增益（information gain）。 KL散度是两个概率分布P和Q差别的非 阅读全文
posted @ 2018-01-13 13:56
彼岸花杀是条狗
阅读(15844)
评论(0)
推荐(1)
摘要：
Tensorflow的基本使用TensorFlow 的特点：使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 tensor 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.TensorFlow 综述Ten... 阅读全文
posted @ 2018-01-13 00:56
彼岸花杀是条狗
阅读(5288)
评论(0)
推荐(0)
摘要：
tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。意思就是在我们使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个s... 阅读全文
posted @ 2018-01-12 22:30
彼岸花杀是条狗
阅读(368)
评论(0)
推荐(0)
浙公网安备 33010602011771号