深入浅出强化学习

4 Tensorflow图像识别模型——数据预处理

机器学习基于学习方式的分类，可分为：监督学习无监督学习强化学习百度百科对监督学习的定义是使用标记数据集来训练算法，以
要开朗的spookypop·2023-11-05 02:01

AI：51-基于深度学习的电影评价

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 22:24

《此心光明，万事可成》之关于立志

《此心光明，万事可成》一书阐述的是王阳明先生的相关思想，该书将阳明先生的心学，以深入浅出地笔触进行了论述，现将其中立志部分相关内容与大家分享。立志是人生第一大事，阳明先生说，志不立，天下无可成之事。
青鸟习飞·2023-11-04 20:03

【数据结构】深入浅出理解快速排序背后的原理 以及 版本优化【万字详解】（C语言实现）

快速排序快速排序递归实现前言一、Hoare版本（一）算法运行图例（二）算法核心思路（三）算法实现步骤（1）单趟（2）多趟（四）码源详解递归实现（1）Hoare版本：先行版（2）Hoare版本：发行版（五）Hoare算法实现背后的理论支持（六）效率优化Hoare排序的效率分析（1）时间复杂度O（N*logN）稳定性：不稳定（七）代码优化（1）三数取中1）优化思路2）三数取中优化后的代码3）效果对比（
NiNi_suanfa·2023-11-04 19:24

周鸿祎力荐｜纽约客16000字重磅刊文：区块链是回归互联网本质的唯一希望

奇虎360创始人周鸿祎曾在朋友圈表示：迄今我认为说的最深入浅出最明明白白的一篇文章，没有大道理，没有空洞的口号，没有吓唬人的概念，这才是学习区块链技术最需要的基础。
碳链价值·2023-11-04 18:29

骗子、假先知们一夜暴富背后：区块链是回归互联网本来意义的唯一希望|深度

奇虎360创始人周鸿祎说，这是了解区块链最深入浅出的
人工智能学家·2023-11-04 18:55

LLM系列 | 26：阿里千问Qwen模型解读、本地部署

引言简介预训练数据来源预处理分词模型设计外推能力模型训练实验结果部署实测对齐监督微调(SFT)RM模型强化学习对齐结果(自动和人工评估)自动评估人工评估部署实测总结引言人生自是有情痴，此恨不关风与月。
JasonLiu1919·2023-11-04 18:44

深入浅出计算机组成原理（二）——给你一张知识地图，计算机组成原理应该这么学

了解了现代计算机的基本硬件组成和背后最基本的冯·诺依曼体系结构，我们就可以正式进入计算机组成原理的学习了。在学习一个一个零散的知识点之前，我整理了一份学习地图，好让你对将要学习的内容有一个总纲层面的了解。011.jpg从这张图可以看出来，整个计算机组成原理，就是围绕着计算机是如何组织运作展开的。计算机组成原理知识地图计算机组成原理的英文叫ComputerOrganization。这里的Organi
阿帕奇的猫·2023-11-04 14:23

第34讲 Android Camera2 API AE手动曝光

手动曝光，包括如下内容：ISO/Gain控制ExposureTime曝光时间控制FrameDuration控制视频在线观看：极客笔记：极客笔记在线课程加入知识星球与更多Camera同学交流–星球名称：深入浅出
deepinout_camera·2023-11-04 13:15

wpf-基础-初识xaml

目录基本概念项目结构说明区分Property和AttributeMainWindow.xaml说明第一个例子：使用纯c#代码或纯xaml绘制矩形xaml代码技巧参考书目：深入浅出WPF完整版基本概念silverlight
陆沙·2023-11-04 10:51

WPF-3：XAML语法

来自《深入浅出WPF》（刘铁猛）读书笔记XAML使用标签来定义UI元素，每个标签对应.NetFramework类库中的一个控件类。针对同一个‘看上去一样’的UI布局，XAML代码不一定唯一。
Asher_Yu·2023-11-04 10:21

WPF-XAML

该文章针对于《深入浅出WPF》的知识做总结，方便自己回顾。一、XAML概念XAML是什么？“XAML”是WPF中专门用于设计UI的语言，XAML有什么优点呢？
CJie_Jie_·2023-11-04 10:50

《守株待兔》教学反思

课文通过种田人因一次偶然的机会得到一只撞死的兔子，他就放弃农活整天守着树桩等待撞死的兔子的事，生动形象、深入浅出地向学生介绍了“想不劳而获是不行的”这一比较深奥的道理。
愿得一人心_1cf6·2023-11-04 09:19

AI：53-基于机器学习的字母识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 06:43

JS深入浅出Function与构造函数

文章来源：学习通http://www.bdgxy.com/目录?1.概述1.1利用Function构造函数创建函数1.2Function与Object2.构造函数2.1自定义否则函数2.2对象的constructor属性2.3构造函数与函数3.Function对象的属性和方法3.1length属性3.2call()方法4.Arguments对象5.总结?1.概述Function是一个构造函数，可以
liming89·2023-11-04 05:03

[PyTorch][chapter 61][强化学习-免模型学习1]

前言：在现实的学习任务中，环境其中的转移概率P,奖赏函数R是未知的，或者状态X也是未知的称为免模型学习（model-freelearning）目录：1:蒙特卡洛强化学习2：同策略-蒙特卡洛强化学习3：异策略
明朝百晓生·2023-11-04 04:06

[PyTorch][chapter 60][强化学习-2-有模型学习2]

前言：前面我们讲了一下策略评估的原理,以及例子.强化学习核心是找到最优的策略，这里重点讲解两个知识点：策略改进策略迭代与值迭代最后以下面环境E为例，给出Python代码。
明朝百晓生·2023-11-04 04:36

强化学习（RL）的学习笔记

1.前言（1）PPO的优点PPO（ProximalPolicyOptimization）算法相比其他强化学习方法有几个显著优点：稳定性和鲁棒性：PPO通过限制策略更新的幅度来避免训练过程中的大幅波动，这增加了算法的稳定性和鲁棒性
songyuc·2023-11-04 03:25

今天推荐的是《QBQ!问题背后的问题》

问题背后的问题》作为QBQ的研发者，作者米勒并没有生硬地抛出关于个人责任意识的理论，而是以有趣简短的小故事，深入浅出地讲述自己的观点，可读性很强。事实上，本书的影响力及其惊人。
我是铄爸·2023-11-04 02:17

深入浅出Java线程池：源码篇

前言在上一篇文章深入浅出Java线程池：理论篇中，已经介绍了什么是线程池以及基本的使用。（本来写作的思路是使用篇，但经网友建议后，感觉改为理论篇会更加合适）。
一只修仙的猿·2023-11-04 01:31

【强化学习】13 —— Actor-Critic 算法

文章目录REINFORCE存在的问题Actor-CriticA2C：AdvantageousActor-Critic代码实践结果参考REINFORCE存在的问题基于片段式数据的任务通常情况下，任务需要有终止状态，REINFORCE才能直接计算累计折扣奖励低数据利用效率实际中，REINFORCE需要大量的训练数据高训练方差（最重要的缺陷）从单个或多个片段中采样到的值函数具有很高的方差Actor-Cr
yuan〇·2023-11-04 00:53

【强化学习】14 —— A3C（Asynchronous Advantage Actor Critic）

A3C是一种非常有效的深度强化学习算法，在围棋、星际争霸等复杂任务上已经取得了很好的效果。接下来，我们先从A3C的名称入手，去解析这个算法。
yuan〇·2023-11-04 00:53

【强化学习】12 —— 策略梯度（REINFORCE ）

文章目录前言策略梯度基于策略的强化学习的优缺点Example:AliasedGridworld策略目标函数策略优化策略梯度利用有限差分计算策略梯度得分函数和似然比策略梯度定理蒙特卡洛策略梯度（Monte-CarloPolicyGradient
yuan〇·2023-11-04 00:23

【强化学习】15 —— TRPO（Trust Region Policy Optimization）

文章目录前言TRPO特点策略梯度的优化目标使用重要性采样忽略状态分布的差异约束策略的变化近似求解线性搜索算法伪代码广义优势估计代码实践离散动作空间连续动作空间参考前言之前介绍的基于策略的方法包括策略梯度算法和Actor-Critic算法。这些方法虽然简单、直观，但在实际应用过程中会遇到训练不稳定的情况。回顾一下基于策略的方法：参数化智能体的策略，并设计衡量策略好坏的目标函数，通过梯度上升的方法来最
yuan〇·2023-11-04 00:49

Java开发工程师进阶篇-深入浅出Redis

作者：幻好来源：恒生LIGHT云社区基本简介Redis是什么？Redis是互联网技术领域使用最为广泛的存储中间件，它是「RemoteDictionaryService」的首字母缩写，也就是「远程字典服务」。Redis以其超高的性能、完美的文档、简洁易懂的源码和丰富的客户端库支持在开源中间件领域广受好评。国内外很多大型互联网公司都在使用Redis，比如Twitter、YouPorn、暴雪娱乐、Git
恒生LIGHT云社区·2023-11-03 23:47

k8s调度 原理_K8s 从懵圈到熟练-集群伸缩原理-阿里云开发者社区

作者|声东阿里云技术专家《深入浅出Kubernetes》一书共汇集12篇技术文章，帮助你一次搞懂6个核心原理，吃透基础理论，一次学会6个典型问题的华丽操作！
张本勇·2023-11-03 19:36

一文速览机器学习的类别（Python代码）

即训练数据的标签信息的差异，可以分为监督学习（supervisedlearning）、非监督学习（unsupervisedlearning）、半监督学习（semi-supervisedlearning）和强化学习
算法进阶·2023-11-03 16:44

强化学习书籍与课程推荐

书籍1.ReinforcementLearning：AnIntroductionSecondEdition【强化学习(第二版)】RichardS.Sutton著视频资源1.深度强化学习课程https:/
小郁同学·2023-11-03 16:02

深入浅出了解OCR识别票据原理

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达译者：Mr.Geek本文翻译自dzone中IvanOzhiganov所发文章DeepDiveIntoOCRforReceiptRecognition文中版权、图像代码等数据均归作者所有。为了本土化，翻译内容略作修改。光学字符识别技术（OCR）目前被广泛利用在手写识别、打印识别及文本图像识别等相关领域。小到文档识别、银行卡身份证识
小白学视觉·2023-11-03 15:34

计算机视觉方向面试题总结（三）：OCR篇

➡️点击访问《深入浅出OCR》:对标全网最全OCR教程，含理论与实战总结。以上
GoAI·2023-11-03 15:34

人工智能大模型技术基础系列之：自动模型搜索与架构优化

作者：禅与计算机程序设计艺术1.简介在深度学习、神经网络、强化学习等领域，大量的机器学习模型被提出，其中最火热的就是深度学习模型。
禅与计算机程序设计艺术·2023-11-03 15:41

深入浅出Django的MTV架构

在现代Web应用程序开发中，采用一种模式或架构以组织代码和功能是至关重要的。在Django中，这种模式被称为MTV模式，即模型（Model）、模板（Template）和视图（View）。尽管它与传统的MVC（模型-视图-控制器）模式类似，Django的MTV架构有自己独特的实现方式。本文将详细介绍Django的MTV架构，并提供一些示例，以帮助你更好地理解和应用这一架构。1.DjangoMTV架构
K8sCat·2023-11-03 13:04

使用 overlay2 或 bind 重新构建 ISO 镜像

比如深入浅出容器镜像的一生[1]、overlay2在打包发布流水线中的应用[2]等等。
米开朗基杨·2023-11-03 12:08

AI：49-基于深度学习的杂草识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 10:34

C/C++深入浅出动态规划

文章目录算法解释基本动态规划509.斐波那契数70.爬楼梯746.使用最小花费爬楼梯62.不同路径63.不同路径Ⅱ343.整数拆分96.不同的二叉搜索树背包问题01背包416.分割等和子集1049.最后一块石头的重量Ⅱ494.目标和（**）474.一和零完全背包518.零钱兑换Ⅱ377.组合总和Ⅳ279.完全平方数139.单词拆分打家劫舍198.打家劫舍213.打家邻舍Ⅱ337.打家劫舍Ⅲ股票问题
温逗死·2023-11-03 10:58

提速256倍：蒸馏扩散模型，生成图像质量媲美教师模型，只需4步

深入浅出stablediffusion：AI作画技术背后的潜在扩散模型论文解读去噪扩散概率模型（DDPM）在图像生成、音频合成、分子生成和似然估计领域都已经实现了SOTA性能。
机器学习与AI生成创作·2023-11-03 10:55

LeetCode力扣刷题——深入浅出动态规划

动态规划一、算法解释这里我们引用一下维基百科的描述：“动态规划（DynamicProgramming,DP）在查找有很多重叠子问题的情况的最优解时有效。它将问题重新组合成子问题。为了避免多次解决这些子问题，它们的结果都逐渐被计算并被保存，从简单的问题直到整个问题都被解决。因此，动态规划保存递归时的结果，因而不会在解决同样的问题时花费时间······动态规划只能应用于有最优子结构的问题。最优子结构的
指北针_N·2023-11-03 10:23

手写操作系统篇：前言

文章目录前言前置要求操作系统有什么用为什么要做手写操作系统这个系列学完能收获什么最后前言大家好，最近想写一个操作系统，然后记录和分享我的感悟，帮助大家能够深入浅出操作系统这个领域，这个系列的代码简洁，麻雀虽小
云浅风淡·2023-11-03 10:21

深入浅出 MyBatis 的一级、二级缓存机制

一、MyBatis缓存缓存就是内存中的数据，常常来自对数据库查询结果的保存。使用缓存，我们可以避免频繁与数据库进行交互，从而提高响应速度。MyBatis也提供了对缓存的支持，分为一级缓存和二级缓存，来看下下面这张图：一级缓存是SqlSession级别的缓存。在操作数据库时需要构造SqlSession对象，在对象中有一个数据结构（HashMap）用于存储缓存数据。不同的是SqlSession之间的缓
90后小伙追梦之路·2023-11-03 07:36

http 深入浅出

前言相信大家对http都不陌生，我们平时用的网络是在tcp/ip协议族的基础上运作的，http是属于内部的一个子集。tcp/ip协议分别有四层：应用层（http）、传输层（tcp）、网络层（ip）、数据链路层（网络等），简要说一下大概的流程：客户端发起一个http的请求（http请求报文）传输层收到http请求报文数据后进行分割，当然是为了传输方便，然后在上面打上序号和端口。网络层接收后添加上MA
duffy990·2023-11-03 06:52

第一章 机器学习概述

机器学习）1.1特点1.2对象1.3目的1.4方法1.5步骤2.基本分类2.1监督学习2.1.1输入空间、特征空间和输出空间2.1.2概率分布2.1.3假设空间2.1.4问题的形式化2.2无监督学习2.3强化学习
小酒馆燃着灯·2023-11-03 05:17

强化学习介绍

强化学习的组成要素策略（policy）,奖赏信号reward,值函数valuefunction,以及可选的环境模型modelpolicy定义了agent在一给定时间的决策方式。
woshishengyong·2023-11-03 04:55

强化学习基础之概念介绍

什么是强化学习广泛地讲，强化学习是机器通过与环境交互来实现目标的一种计算方法。
爱你是长久之计~·2023-11-03 04:24

深度强化学习

深度强化学习14.1强化学习问题14.1.1强化学习定义14.1.2马尔可夫决策过程14.1.3强化学习的目标函数14.1.4值函数14.1.5深度强化学习14.2基于值函数的学习方法14.2.1动态规划算法
爱蹦跶的小贺·2023-11-03 04:20

强化学习基础 | 介绍特点、基本要素、组成、智能体

文章目录1.强化学习应用2.强化学习介绍2.1强化学习特点2.2强化学习基本要素2.2.1奖励2.2.2序列决策2.2.3智能体2.3智能体组成2.3.1策略2.3.2价值函数2.3.3模型2.4智能体分类
Qodi·2023-11-03 03:04

姜桐赋能执行力培训心得

经过两天紧张的学习，姜桐老师从不同角度，以不同形式深入浅出的为我们讲述了赋能执行力对于企业发展和个人成长的必要性与必然性，并结合扎实的理论基础和有趣的实战演练为学员赋能，让员工对企业的长足发展与自身成长有了更深的认识
Poetrylife·2023-11-03 03:21

AI：46-基于深度学习的垃圾邮件识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 02:40

用强化学习，建立自己的学习模式

问题：不知道大家有没有这个感觉，有时候自己想建立一个习惯，但是意志力薄弱。比如看书，还没开始，就会设想出一大堆意外状况，去打消自己做这个事的动力，最后很大程度就是这个习惯不了了之…如何解决该问题？谈谈我自己的经验，我不是个喜欢看书的人，但是我非常仰慕博学多才的人儿，所以我给自己设立了目标：无论刮风下雨，要坚持每天看书，哪怕是5分钟，主要是要培养自己的学习习惯。就是这5分钟，产生了极大的变化。原因：
有一颗做老师的心_刘老师lmz·2023-11-03 00:55

机器学习初步_吴恩达_学习笔记

还有神经网络、支持向量机、无监督学习等模块还没有写，有空了再写1.初始机器学习机器学习的定义最常见的两类机器学习算法有监督学习：我们教会计算机做某件事情无监督学习：我们让计算机自己学习其他类型算法：强化学习
帅小帅家的小吴昊·2023-11-02 23:41

深度学习和强化学习（七）DDPG和基于模型的RL

确定性策略是和随机策略相对而言的，对于某一些动作集合来说，它可能是连续值，或者非常高维的离散值，这样动作的空间维度极大。如果我们使用随机策略，即像DQN一样研究它所有的可能动作的概率，并计算各个可能的动作的价值的话，那需要的样本量是非常大才可行的。于是有人就想出使用确定性策略来简化这个问题。作为随机策略，在相同的策略，在同一个状态处，采用的动作是基于一个概率分布的，即是不确定的。而确定性策略则决定
循梦渡·2023-11-02 23:51
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他