随笔分类 - 强化学习
代码学习、神经网络学习、神经网络的训练学习和理论知识学习
摘要：经验回放：这是训练过程中经常用到的一个概念。 是强化学习中一个重要的技巧，可以大幅度提升强化学习的表现。具体操作：把智能体 与环境交互的记录（经验）储存在一个数组里，事后反复 利用这些经验训练智能体，这个数组也叫做经验回放数组（replay buffer)。 在算法中的应用 博客学习：https:/
阅读全文
摘要：注意：此处我建立的是python=3.5.4，环境名为xn退出建立的环境：deactivate删除环境：conda remove -n xn --all（之前的python版本不对，所以 卸载）创建x版本的xx虚拟环境conda create -n xn python=3.5.4激活环境（进入环境）
阅读全文
摘要：在学习莫烦可视化的过程中，有一个不懂得函数 ，大概了解了一下： fig = plt.figure() ax = fig.add_subplot(111) import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 20]
阅读全文
摘要：import tensorflow as tf import numpy as np def add_layer(inputs,in_size,out_size,activation_function=None): #inputs是输入的值，in_size输入值的大小，out_size输出值的大小
阅读全文
摘要：tf.zeros()函数 创建一个所有元素都设置为零的张量. tf.zeros([3, 4], tf.int32) # [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 函数参数： shape：整数、整数元组或类型为int32的1维Tensor的列表. dtype
阅读全文
摘要：学习博客：https://www.jianshu.com/p/31880cc88ae7 tensorflow是一个“符号式编程框架”，所有的计算步骤（包括数据定义等等）都要在一个graph中事先定义好，然后通过session来执行这个graph（全部或部分），得到结果。 所以可见在tf中sessio
阅读全文
摘要：import tensorflow as tf state = tf.Variable(0,name = 'counter')#一定要定义成它是变量，它才是个变量 #0就是这个变量的值，而name就是变量的名字 print(state.name) #变量加上常量还是变量 one = tf.const
阅读全文
摘要：1.什么是计算图： 一个机器学习任务的核心是模型的定义以及模型的参数求解方式，对这两者进行抽象之后，可以确定一个唯一的计算逻辑，将这个逻辑用图表示，称之为计算图。计算图表现为有向无环图，定义了数据的流转方式，数据的计算方式，以及各种计算之间的相互依赖关系等。 2.计算图的基本组成 TensorFlo
阅读全文
摘要：import tensorflow as tf #创建两个矩阵maxtrix，然后输出两个矩阵相乘的结果 matrix1 = tf.constant([[3,3]])#constant表示maxtrix1是一个常数,[3,3]表示是一个一行两列的结果 matrix2 = tf.constant([[
阅读全文
摘要：import tensorflow as tf import numpy as np #导入有关数学的包 #随机生成一些数据 create data x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1 + 0.3 #
阅读全文
