摘要：
一篇用deep neural network做POMDP的论文 阅读全文
摘要：
任务是地图里面导航，让agent从起始点到达指定位置。 用了supervised learning + reinforcement learning + lstm 用supervised learning当做辅助训练，加速rl训练，用lstm当做memory。实验表明depth constructi 阅读全文
摘要：
有时候使用cv2需要安装opencv，但是opencv安装比较麻烦，因为需要编译过程。 所以，我们可以使用PIL对cv2的一些常用接口进行复现。 这里我们实现了cv2的imread(), imwrite(), resize(), cvtColor() 共四个接口。 实现代码如下： 阅读全文
摘要：
1.读取图片 读取出来的图片是numpy.ndarray格式，值是0～255， img的形状是 (图片高度，图片宽度，图片通道数），打印值出来发现通道的顺序是BGR，而不是RGB。 2.改变图片大小 这个进行大小变换时，需要把指定的图片宽度放在前面，图片高度放在后面，和img的形状大小顺序不一致。 阅读全文
摘要：
论文不同点： （1）用两套网络分别实现移动和射击。 （2）使用LSTM来处理不完全信息。 疑问： （1）为什么对于射击使用RNN，对导航却没有使用RNN。一般来说，当我们看见视野里面有敌人的时候，我们可以立即进行射击，似乎不太需要长久的历史信息，再官方给出的视频中，我也没发现RNN有什么好处。另一方 阅读全文
摘要：
cd ~mkdir .pip vim .pip/pip.conf 在pip.conf中写入 火山云： [global] timeout = 6000 index-url = https://mirrors.ivolces.com/pypi/simple trusted-host = mirrors. 阅读全文
摘要：
python test.py --gpu 0 阅读全文
摘要：
FAIR Paris分部的论文，NIPS2016 Workshop. Motivation是让predict出来的结果和真实label在高层感觉上有一致性. 基本思想就是用GAN来区分segmentation网络给出的结果和真实lable给出的结果。但是VOC2012上的效果并不好，作者也不敢放代码 阅读全文
摘要：
使用国内镜像安装Homebrew: /bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)" https://brew.idayer.com/guide/change-source h 阅读全文
摘要：
ssh -L 6006:localhost:5001 username@ml.cs.tsinghua.edu.cn -p 4513 6006是本地端口 5001是远程tensorboard绑定的端口 阅读全文
摘要：
export LC_ALL=C 阅读全文
摘要：
1.用scipy import scipy scipy.misc.imsave('test.jpg', img) 2.用PIL from PIL import Image im = Image.fromarray(img) im.save("test.jpg") 阅读全文
摘要：
查询地址：http://www.fudanmed.com/institute/news2016-1.aspx 阅读全文
摘要：
0.好像装CUDA会自动装nvidia驱动，所以可以尝试直接装CUDA 0.1 可以尝试通过sudo apt install nvidia-cuda-toolkit来安装CUDA 1.下载CUDA:https://developer.nvidia.com/cuda-toolkit-archive ( 阅读全文
摘要：
1.相差半厘米的抚摸 描述：为了躲避战火，一名男子费尽周折，终于把妻儿送上了远离萨拉热窝的汽车。车上的母子俩伤心欲绝，他们明白，也许这将是他们和亲人相见的最后一面。 照片显示的是在南斯拉夫内战期间，一名男子将手搭在汽车车窗上，与他的妻子和儿子告别，汽车将把他们运离被围困的萨拉热窝。 20世纪90年代 阅读全文
摘要：
https://math.stackexchange.com/questions/1917647/proving-ex4-3%CF%834 阅读全文
摘要：
给一个矩阵，顺时针旋转顺序输出其元素，例如： 对于矩阵： [ 1, 2, 3 ] [ 4, 5, 6 ] [ 7, 8, 9 ] 输出为： 1,2,3,6,9,8,7,4,5 输出为： 阅读全文
摘要：
转自：http://www.jb51.net/article/88147.htm 阅读全文
摘要：
mark: https://www.cnblogs.com/AndyJee/p/3805594.html 阅读全文
摘要：
中文名：桑吉弗 阿罗拉 个人主页：https://www.cs.princeton.edu/~arora/ 生日：1968年一月 祖籍：印度 本科：1990年麻省理工大学毕业 博士：1994年加州伯克利大学毕业 工作：普林斯顿大学教授 研究领域：复杂度理论，近似算法，理论机器学习 阅读全文
摘要：
中文名：耐迪普 杰特尼 早期： 印度科技大学 1994-1995 滑铁卢大学 1998-2000 博士： 多伦多大学 Hinton实验室 2008-2014 工作： 谷歌大脑 2014-2017 英伟达 2017至今 研究领域： 深度学习在序列化数据上的应用 阅读全文
摘要：
中文名：伊利亚 莎士科尔 早期： 加拿大多伦多大学，Hinton实验室，2005年至2012年 博士后： 斯坦福大学，Andrew实验室，2012年11月到2012年12月 工作： 谷歌，2013年3月至2015年11月 OpenAI联合创始人，2016年1月至今 研究领域： 深度学习应用和开发 个 阅读全文
摘要：
比如统计用户名为albert运行python的进程数目 阅读全文
摘要：
import time print time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time())) 阅读全文
摘要：
Paper link: https://arxiv.org/abs/1703.00573 Blog link: http://www.offconvex.org/2017/03/30/GANs2/ Github: https://github.com/PrincetonML/MIX-plus-GAN 阅读全文
摘要：
# 总核数 = 物理CPU个数 X 每颗物理CPU的核数 # 总逻辑CPU数 = 物理CPU个数 X 每颗物理CPU的核数 X 超线程数 # 查看物理CPU个数 cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l # 查看每个物理CPU中 阅读全文
摘要：
1.启动tensorboard tensorboard --logdir="./logs" --port 6006 2.显示graph 3.查看变量 更多参考资料：http://www.jianshu.com/p/d059ffea9ec0 阅读全文
摘要：
解决办法：pip install box2d-py 阅读全文
摘要：
https://www.tensorflow.org/versions/r0.12/api_docs/python/array_ops/slicing_and_joining 阅读全文
摘要：
yourTensor.get_shape().as_list() 阅读全文
该文被密码保护。 阅读全文
摘要：
转自：http://outofmemory.cn/code-snippet/1002/Python-RGB-HSV-color-together-switch Python RGB 和HSV颜色相互转换 import math def hsv2rgb(h, s, v): h = float(h) s 阅读全文
摘要：
ctrl+a 光标移动到行首 ctrl+e 光标移动到行尾 ctrl+u 清除当前命令 ctrl+k 删除光标到结尾的内容 ctrl+d 向后删除字符 ctrl+w 删除前一个单词 ctrl+y 撤销删除 ctrl+l 清屏 ctrl+r 查找历史命令 ctrl+b/f 向左/右移动光标 ctrl+ 阅读全文
摘要：
阅读全文
摘要：
sudo add-apt-repository ppa:nilarimogard/webupd8 sudo apt-get update sudo apt-get install pulseaudio-equalizer 终端输入 pulseaudio-equalizer enable 启动器处输入 阅读全文
摘要：
sudo fuser -v /dev/nvidia* 阅读全文
摘要：
Stadie, Bradly C., Sergey Levine, and Pieter Abbeel. "Incentivizing exploration in reinforcement learning with deep predictive models." arXiv preprint 阅读全文
摘要：
1.Delayed, sparse reward(feedback), Long-term planning Hierarchical Deep Reinforcement Learning, Sub-goal, SAMDP, optoins, Thompson sampling, Boltzman 阅读全文