PPO深度强化学习

virtualenv使用说明

用PPO要用tensorflow_proballity自己电脑是tf1.x没法顺利安装所以要用虚拟环境一般就是进入venv的bin目录下sourceactivate激活即可要注意venv/bin目录下的
CristianoC·2023-10-19 16:26

《Reinforcement Learning: An Introduction》强化学习导论原文翻译 17.6 人工智能的未来

在我们写第二版时，人工智能中一些最显著的发展涉及强化学习，最明显的是“深度强化学习”——通过深度人工神经网络进行函
oni小涛·2023-10-19 13:31

AutoPentest-DRL-使用深度强化学习的自动渗透测试

AutoPentest-DRL是基于深度强化学习（DRL）技术的自动渗透测试框架。
GuiltyFet·2023-10-18 11:32

深度强化学习发展现状及展望：万字总结解读83篇文献

深度强化学习是深度学习与强化学习相结合的产物，它集成了深度学习在视觉等感知问题上强大的理解能力，以及强化学习的决策能力，实现了端到端学习。
Coder_Jh·2023-10-18 04:52

深度强化学习领域值得一读的论文列表

参考自：https://spinningup.openai.com/en/latest/spinningup/keypapers.html强烈建议直接去看原文，每一篇文献都有链接以下是深度强化学习（DeepReinforcementLearning
超级超级小天才·2023-10-17 19:40

gym原来是这样用的

今天down了一个深度强化学习的程序，但是试来试去总是跑不成功，第一句就出问题了env=gym.make("clusterEnv-v0").unwrapped总是报没有该环境，思想半天，然后发现这是自己写的环境
eyexin2018·2023-10-16 16:48

Proximal Policy Optimization(PPO)和文本生成

ChatGPT的RLHF步使用了强化学习PPO算法。PPO是一种策略梯度方法，其交替地进行与环境交互采样数据和使用随机梯度上升优化“代理”目标函数。
冰冰冰泠泠泠·2023-10-16 12:28

DRL--算法合集

强化学习中确定性策略和随机策略的区别6、A3C1）异步、并发、多线程2）算法原理3）具体更新过程--[参考链接](https://zhuanlan.zhihu.com/p/148492887)7、DDPG8、PPO9
还有你Y·2023-10-15 16:27

深度强化学习第 1 章 机器学习基础

1.1线性模型线性模型（linearmodels）是一类最简单的有监督机器学习模型，常被用于简单的机器学习任务。可以将线性模型视为单层的神经网络。本节讨论线性回归、逻辑斯蒂回归（logisticregression）、softmax分类器等三种模型。1.1.1线性回归1.1.2逻辑斯蒂回归sigmoid是个激活函数（activationfunction）交叉熵（crossentropy），它常被用
Chen_Chance·2023-10-15 15:58

深度强化学习DRL训练指南和现存问题（D3QN（Dueling Double DQN））

目录参数iterationepisodeepochBatch_SizeExperimenceReplayBuffer经验回放缓存Rewarddiscountfactor或gamma折扣因子Agent神经网络batchnormalization批归一化dropout随机失活lr(learningrate)学习率/步长weightdecay权重衰减离散动作探索策略（以epslion-Greedy为例）
参宿7·2023-10-14 09:32

深度强化学习中的episode、epoch、batch-size、iteration

深度强化学习中的episode、epoch、batch-size、iterationbatch_sizeiterationepochepisodebatch_size即批大小，如果把全部数据放入内存后再加载到显存中
L0_L0·2023-10-14 09:55

深度强化学习——机械臂

趁暑假有空，在实验室机械臂上复现OpenAIFetch中的一项任务：FetchPickAndPlace-v0根据原论文的提示，在原DDPG算法的基础上引入HER机制，解决了在探索环境（step>40）中奖励稀疏，难以收敛的问题，但是原任务默认是以初始几步抓中小方块为开始在此基础上引入先验经验，即将任务完整：先抓随机小方块，再到随机终点处因此，结合DDPG+HER+模仿学习（行为克隆，BC）成功在x
Cedric.·2023-10-12 21:18

深入理解强化学习——标准强化学习和深度强化学习

最近业界把强化学习与深度学习结合起来，就形成了深度强化学习（DeepReinforcemetLearning）。因此，深度强化学习是深度学习和强化学习的组合。
von Neumann·2023-10-12 21:01

论文阅读--深度学习基础文献

etal.Masteringthegameofgowithouthumanknowledge[J].nature,2017,550(7676):354-359.参考文章：深入浅析AlphaGoZero与深度强化学习
伊丽莎白鹅·2023-10-10 21:09

深度强化学习——强化学习到深度强化学习

从事深度强化学习有一段时间了，整理了网上的一些资料，写几篇博客作为知识的梳理和总结。
不吃香菇666·2023-10-10 00:32

PPO

On-policyVSOff-policyOn-policy:Theagentlearnedandtheagentinteractingwiththeenvironmentisthesame.Off-policy:Theagentlearnedandtheagentinteractingwiththeenvironmentisdifferent.On-policyOff-policy使用来手机数据
六回彬·2023-10-09 07:45

深度强化学习，解决稀疏奖励的ICM详解

IntrinsicCuriosityModule(ICM)1简介内在好奇心模块ICM是发表在ICML2017中的一篇经典论文，讲的是将内在好奇心（intrinsicmotivation）和深度强化学习结合起来
剑未佩妥已入江湖·2023-10-08 12:31

Langchain-Chatchat项目：1.2-Baichuan2项目整体介绍

由百川智能推出的新一代开源大语言模型，采用2.6万亿Tokens的高质量语料训练，在多个权威的中文、英文和多语言的通用、领域benchmark上取得同尺寸最佳的效果，发布包含有7B、13B的Base和经过PPO
NLP工程化·2023-10-07 17:52

Trust Region Policy Optimization (TRPO) 背后的数学原理

TRPO和PPO都是基于Minorize-MaximizationMM的算法。
小小何先生·2023-10-07 00:57

LLMs 奖励剥削 RLHF: Reward hacking

接下来，您使用强化学习算法，即PPO，在基于当前版本的LLM生成的完成情况上，根据奖励对LLM的权重进行更新。您将在多个迭代中使用许多不同的提示和模型权重的更新来执行此周期，直到获得所期望的对齐
AI架构师易筋·2023-10-06 19:24

一图拆解RLHF中TRL的PPO

仔细看了看TRL的code(https://github.com/huggingface/trl/blob/main/trl/trainer/ppo_trainer.py)，step大致流程为先batched_forward_pass
taoqick·2023-10-06 10:36

LLMs: 近端策略优化PPO Proximal policy optimization

EK，感谢您今天加入我们讨论PPO强化学习算法。谢谢您的邀请。PPO代表什么，这些
AI架构师易筋·2023-10-06 03:31

【NeurIPS 2023】Backdoor对抗攻防论文汇总

GeneralizableBackdoorDetectionandRemovalforDeepReinforcementLearninghttps://neurips.cc/virtual/2023/poster/70618摘要：后门攻击对深度强化学习
m0_61899108·2023-10-05 13:57

强化学习--DoubleDQN

二、核心算法(深度强化学习)DoubleDQN总结前言强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（
百度pkq·2023-10-04 22:00

DRL深度强化学习代码实战1——MountainCar-v0小车成功登顶

如果你是刚刚接触DRL的同学，那么本文的内容就是引你入胜的第一个小实验。DRL的学习离不开理论知识，但更不能缺少实践！废话不多说我们直接开始。0、实验环境和包版本①PyCharm2022Pro②gym0.25.2③python3.8.16④numpy1.23.51、初步了解Gym关于gym（以及其他的库/包），了解它的最好方法我认为是直接看官方文档，因为官方的文档和说明永远是最权威最前沿的，你看再
在屏幕前出油·2023-10-04 03:06

新兴技术成熟度曲线

通用人工智能/神经形态硬件/深度强化学习/量子计算/脑机接口等技术仍处在上升阶段。情感计算/自然语言问答/智能数字挖掘/虚拟个人助理等已经脱离曲线，走向成熟。
360linker·2023-10-03 14:53

机器学习笔记 - 基于强化学习的贪吃蛇玩游戏

一、关于深度强化学习如果不了解深度强化学习的一般流程的可以考虑看一下下面的链接。因为这里的示例因为在PyTorch之上实现深度强化学习算法。
坐望云起·2023-09-30 13:03

深度强化学习：如何在AI工程实践中选择合适的算法？

关注公众号，发现CV技术之美在使用深度强化学习（DeepReinforcementLearning，DRL）算法解决实际问题的过程中，明确任务需求并初步完成问题定义后，就可以为相关任务选择合适的DRL算法了
我爱计算机视觉·2023-09-30 08:07

优化｜深度学习或强化学习在组合优化方面有哪些应用？

来源：图灵人工智能前言深度强化学习求解组合优化问题近年来受到广泛关注，是由于其结合了强化学习(Reinforcementlearning)强大的决策(decision-making)能力和深度学习(deeplearning
人工智能学家·2023-09-30 05:44

如何用深度强化学习自动炒股

痛定思痛，俺决定换一个思路：如何用深度强化学习来自动模拟炒股？实验验证一下能否获得收益。监督学习与强化学习的区别监督
北纬32.6·2023-09-30 05:22

百度正式发布PaddlePaddle深度强化学习框架PARL

近日，百度正式发布在赛事夺冠中起到关键作用的深度强化学习框架PaddlePaddlePARL，同时开源了基
PaddleWeekly·2023-09-29 20:02

强化学习相关论文及复现代码

spm=1001.2014.3001.5502（pytorch复现）基于深度强化学习（CNN+duelingnetwork/DQN/DDQN/D3QN/PER）的自适应车间调度(JSP)https://
喝凉白开都长肉的大胖子·2023-09-28 16:45

深度强化学习（三）马尔科夫决策过程

文章目录马尔可夫过程MP马尔科夫链MC状态转移概率矩阵n步转移概率马尔科夫链马尔科夫奖励过程MRP奖励机制计算价值概念定义计算价值推导贝尔曼方程贝尔曼方程实际应用参考文章：https://blog.csdn.net/taka_is_beauty/article/details/88356375序贯决策问题是针对随机动态系统的不确定性按照时间顺序给出最优策略。马尔科夫决策过程是解决序贯决策问题的经典
@@老胡·2023-09-28 12:50

深度强化学习（二）统计、概率与随机过程普及

文章目录随机过程集合概率随机实验与随机事件条件概率和独立事件随机变量期望和方差概率分布大数定律随机过程平稳分布随机过程集合概率随机实验与随机事件条件概率和独立事件随机变量期望和方差概率分布大数定律弱大数定律说明，当n趋向于无穷时，独立同分布的随机变量的期望接近于它的平均值伯努利大数定律描述了实验次数很大时，事件频率很大接近于事件的概率随机过程平稳分布
@@老胡·2023-09-28 12:19

深度强化学习（一）常识性普及

文章目录机器学习、强化学习、深度学习的侧重点强化学习的简介强化学习的主要特征强化学习和机器学习的关系强化学习的发展历史深度强化学习一些参考的资料：蘑菇书：https://datawhalechina.github.io
@@老胡·2023-09-28 12:49

深度强化学习——概念及算法总结

深度强化学习深度强化学习相关大佬帖子总结学习，附原链接深度强化学习——从DQN到DDPG深度强化学习——从DQN到DDPG强化学习智能体在完成某项任务时，如上图所示，首先通过动作A与周围环境进行交互，在动作
异次元的鱼·2023-09-27 06:42

基于深度强化学习算法的无人机智能规避决策

源自：系统工程与电子技术作者：吴冯国陶伟李辉张建伟郑成辰.“人工智能技术与咨询”发布摘要为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(doubledeepQ-network,DDQN)和深度确定性策略梯度(deepdeterministicpolicygradient,DDPG)算法为基础,提出单元状态序列(unitstates
龙腾亚太·2023-09-27 04:23

基于深度强化学习的柔性作业车间动态调度（有代码）

代码重大孙爱红的知乎账号论文链接文献来源：InternationalJournalofProductionResearch（2022）南洋理工大学（IJPR/2022）Fullarticle:Deepreinforcementlearningfordynamicschedulingofaflexiblejobshop(tandfonline.com)1摘要在追求敏捷和灵活的生产调度方面，处理不可预
喝凉白开都长肉的大胖子·2023-09-26 23:09

基于深度强化学习算法的无人机智能规避决策

源自：系统工程与电子技术作者：吴冯国陶伟李辉张建伟郑成辰.摘要为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(doubledeepQ-network,DDQN)和深度确定性策略梯度(deepdeterministicpolicygradient,DDPG)算法为基础,提出单元状态序列(unitstatesequence,USS),
renhongxia1·2023-09-26 19:31

LLaMA Efficient Tuning 主流大模型的高效工具【预训练+指令监督微调】

LLaMAEfficientTuning，它是一款可高效微调【全参数/LoRA/QLoRA】主流大模型【ChatGLM2/LLaMA2/Baichuan等】的高效工具，包括预训练、指令监督微调、奖励模型训练、PPO
张志翔的博客·2023-09-26 19:59

UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xd7 in position 2: invalid continuation byte问题

i.strip()foriinopen(self.disease_path,encoding='UTF-8')ifi.strip()]File"C:\Users\luckyli\anaconda3\envs\PPO
编程研究坊·2023-09-25 13:38

论文精读（2）—基于稀疏奖励强化学习的机械臂运动规划算法设计与实现(内含实现机器人控制的方法)

用如何用强化学习对机器人进行控制2.1思路2.2DQN和DDPG在机器人控制中的应用3.解决方案3.1思路3.2实验3.3创新点4.展望1.作者提出的问题及解决方向目的：使机械臂在非结构化环境下实现端到端的自主学习控制，问题：基于深度强化学习算法结合视觉图像与运动学模型完成机械臂抵达目标区域任务
笑傲江湖2023·2023-09-25 11:46

机器学习笔记 - 通过人工干预实现安全强化学习的思路

1、人类干预强化学习深度强化学习在一些棋类游戏、视频游戏以及现实3D环境中的导航和控制任务方面取得了惊人的进展。这些成就是在模拟环境中实现的。深度强化学习能否将这一成功转化为现实世界的任务？
坐望云起·2023-09-25 06:03

Unity ML-Agents默认接口参数含义

下面的含义就是训练中常用的yaml文件：behaviors:waffle:trainer_type:ppo#训练器类型，默认ppo。
DWQY·2023-09-24 19:56

Stable-Baselines 3 部分源代码解读 1 base_class.py

/common/base_class.py前言阅读PPO相关的源码，了解一下标准库是如何建立PPO算法以及各种tricks的，以便于自己的复现。
Ctrl+Alt+L·2023-09-24 11:02

如何使用Unity创建场景并转为gym环境，外接自定义强化学习算法

;2、如果你的强化学习问题是多智能体方向的研究，放弃本文，gym_unity暂不支持多智能体训练，要么找办法实现mlagents外接算法（目前没找到能用的办法），要么用unity的mlagents自带PPO
Alibutter·2023-09-23 19:03

四十九.强化学习基础

深度学习+强化学习即为深度强化学习（DRL）。强化学习没有事先准备好的数据标签作为监督来指导学习过程，只有奖励值，通常是延后给出。1.2强化学习的分类从不同的角度来看，强化学习有四种分类方法。
stackooooover·2023-09-22 08:40

五十二.PPO算法原理和实战

基于表格的方法：动态规划法、蒙特卡罗法、时序差分法等。基于值函数近似的方法：DQN及其改进方法。两类方法都基本遵循了“策略评估-策略改进”交替循环的算法框架。基于值函数的算法在实际应用中也存在一些不足，如算法难以高效处理连续动作空间任务和只能处理确定性策略而不能处理随机策略等。强化学习的最终目标是获得最优策略。将策略本身作为迭代对象，通过迭代的方式获得一个策略序列，当策略序列收敛时，其极限就是最优
stackooooover·2023-09-22 08:03

RLHF优化

然后利用奖励模型，通过强化学习算法（如PPO）
zhurui_xiaozhuzaizai·2023-09-22 03:51

基于深度强化学习的四旋翼无人机航线跟随

源自：指挥与控制学报作者：杨志鹏李波甘志刚梁诗阳“人工智能技术与咨询”发布摘要针对无人机在空中执行航线跟随任务时无法对未知环境作出合理应对措施等问题,提出了一种基于深度强化学习的四旋翼无人机航线跟随方法
renhongxia1·2023-09-21 00:40
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他