摘要：
一般来说，从gym引用环境只需要gym.make就可以了，如：env=gym.make('CartPole-v0')。 实际上，创建环境返回的env是一个经过包装的环境，会对step次数进行限制，比如限定小车保持平衡200步后就会失败。 如果用上gym.make().unwrapped则可以得到原始 阅读全文
posted @ 2022-05-17 22:21
Lumarkov
阅读(217)
评论(0)
推荐(0)
摘要：
#Mini Batch ##一、什么是Mini Batch 我们已知在梯度下降中需要对所有样本进行处理过后然后走一步，那么如果我们的样本规模的特别大的话效率就会比较低。假如有 500 万，甚至 5000 万个样本 (在我们的业务场景中，一般有几千万行，有些大数据有 10 亿行) 的话走一轮迭代就会非 阅读全文
posted @ 2022-05-17 16:24
Lumarkov
阅读(565)
评论(0)
推荐(0)
摘要：
#一些个有助于优化算法的trick ##把部分可观测马尔可夫问题（POMDPs）转回马尔可夫问题（MDP） 解决方案是保持一些过去的观察结果，并将它们作为一种状态。以雅达利游戏为例，我们通常将k个随后的帧叠加在一起，并使用它们作为对每个状态的观察。这允许我们的代理推断出当前状态的动态，例如，得到球的 阅读全文
posted @ 2022-05-17 16:18
Lumarkov
阅读(48)
评论(0)
推荐(0)
浙公网安备 33010602011771号