摘要：
简介 论文名称：Addressing Function Approximation Error in Actor-Critic Methods 论文地址：https://arxiv.org/abs/1802.09477 论文来源：ICML 2018 针对问题 在value-based强化学习方法，如 阅读全文
摘要：
简介 之前的文章介绍了AE和VAE，指出了它们的优缺点。AE适合数据压缩与还原，不适合生成未见过的数据。VAE适合生成未见过的数据，但不能控制生成内容。本文所介绍的CVAE（Conditional VAE）可以在生成数据时通过指定其标签来生成想生成的数据。CVAE的结构图如下所示： 整体结构和VAE 阅读全文
摘要：
AE（Auto Encoder, 自动编码器） AE的结构 如上图所示，自动编码器主要由两部分组成：编码器（Encoder）和解码器（Decoder）。编码器和解码器可以看作是两个函数，一个用于将高维输入（如图片）映射为低维编码（code），另一个用于将低维编码（code）映射为高维输出（如生成的图 阅读全文
摘要：
1. 安装 pip install tensorboard 2. 工作流程 在代码中使用writer将需要记录的内容写入文件 在命令行通过tensorboard --logdir path来访问并显示文件内容 3. 相关类与函数 3.1 SummaryWriter类 功能：创建一个写入器，使得可以向 阅读全文
摘要：
简介 TensorFlow Probability 是 TensorFlow 中用于概率推理和统计分析的库。 安装 安装最新版本的 TensorFlow Probability： pip install --upgrade tensorflow-probability 安装指定版本的 TensorF 阅读全文
摘要：
TensorFlow 2 默认的即时执行模式（Eager Execution）为我们带来了灵活及易调试的特性，但为了追求更快的速度与更高的性能，我们依然希望使用 TensorFlow 1.X 中默认的图执行模式（Graph Execution）。此时，TensorFlow 2 为我们提供了 tf.f 阅读全文
摘要：
函数解析 numpy.random.choice(a, # 从a中采样，必须是一维或者是int size=None, # 采样数据的形状，可以是tuple或int replace=True, # True表示有放回抽样， False表示无放回 p=None) # 表示a中每个元素被抽样的概率，和a的 阅读全文
摘要：
1. 通过回调函数使用 直接在keras的回调函数中使用 log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S") # 定义日志存放路径 tensorboard_callback = tf.keras.call 阅读全文
摘要：
增加维度 在使用神经网络训练时，往往要求我们输入的数据是二维的，但有时我们得到的单条数据是一维的，这时候就需要我们将一维的数据扩展到二维。 方法一 numpy.expand_dims(a, axis) 若axis为正，则在a的shape的第axis个位置增加一个维度（从0开始数） 若axis为负，则 阅读全文
摘要：
1. 在磁盘中保存与加载模型 1.1 保存与加载整个模型 保存整个模型： 模型的架构/配置 模型的权重值（在训练过程中学习） 模型的编译信息（如果调用了 compile()） 优化器及其状态（如果有的话，使您可以从上次中断的位置重新开始训练） 保存模型 model.save(filepath) 或者 阅读全文