摘要：
. 阅读全文
摘要：
目录 摘要 围棋的困难点分析 如何绕过困难点 AlphaGo思想简介 网络训练流程分析 1.策略网络的监督学习 2.策略网络的强化学习 3.价值网络的强化学习 4.策略网络、价值网络联合MCTS AlphaGo算法小结 AlphaGo棋力评估 Discussion AlphaGo中MCTS的细节* 阅读全文
摘要：
目录 Intersection Over Union(IOU) 目标检测中的TP、FP、FN、TN AP指标 mAP指标 AP50、AP@50:5:95指标 实际应用场景下的指标 参考资料 Intersection Over Union(IOU) 绿色框是ground-truth，红色框是预测框体， 阅读全文
摘要：
目录 Eager模式（Eager Mode） 使用pytorch Episode Traces 日志冗长（Log Verbosity） 栈追踪（Stack Traces） 外部应用API（External Application API） 参考资料 性能问题非常有用。 Eager模式（Eager M 阅读全文
摘要：
目录 定制训练流程（Custom Training Workflows） 全局协调（Global Coordination） 回调函数和自定义准则（Callbacks and Custom Metrics） 可视化自定义的度量（Visualizing Custom Metrics） 自定义探索行为（ 阅读全文
摘要：
目录 基础pythonAPI概览 计算动作（Computing Actions） 获取策略状态（Accessing Policy State） 获取模型状态（Accessing Model State） 例子：预处理喂给model的观测值 例子：查询一个policy的动作分布 例子：从DQN模型中获 阅读全文
摘要：
目录 开场（Getting Started） 评估训练策略（Evaluating Trained Policies） 指定参数（Specifying Parameters） 指定资源（Specifying Resources） 延伸指南（Scaling Guide） 常用参数 调好的参数文件（Tun 阅读全文
摘要：
目录 什么是Ray 什么是RLlib 简单的代码风格 Policies Sample Batches Training Application Support Customization 参考资料 什么是Ray Ray是一个用于构建和运行分布式应用程序的快速而简单的框架。 Ray通过以下方式完成这一 阅读全文
摘要：
目录 A3C原理 源码实现 参考资料 针对A2C的训练慢的问题，DeepMind团队于2016年提出了多进程版本的A2C，即A3C。 A3C原理 同时开多个worker，最后会把所有的经验集合在一起 一开始有一个全局的网络，假设参数是θ1 每一个worker使用一个cpu去跑，工作之前就把全局的参数 阅读全文
摘要：
目录 Policy-based框架的缺点 Valued-based框架的缺点 Actor-Critic结合 算法流程 向Policy Gradient中加入baseline Q网络和V网络的定义 A2C (Advantage Actor-Critic) A2C损失函数的构建 源码实现 参考资料 在强 阅读全文