08 2023 档案
摘要：# Pytorch 并行：DistributedDataParallel 一个节点上往往有多个 GPU（单机多卡），一旦有多个 GPU 空闲（~~当然得赶紧都占着~~），就需要合理利用多 GPU 资源，这与并行化训练是分不开的。但关于 DistributedDataParallel 的博文少之又少，
阅读全文
摘要：强化学习Chapter4——两个基本优化算法（2） 上一节，依据贝尔曼方程得出了策略迭代算法（policy iteration），本节将介绍另一种根据贝尔曼最优方程提出的，价值迭代算法（value iteration）。在此之后，将阐述这两种算法的共性与区别，并总结出一个中间性能的截断策略迭代算法（
阅读全文
摘要：强化学习Chapter4——两个基本优化算法（1） 上一节导出了状态价值函数的贝尔曼方程以及最优状态价值函数： \[\begin{aligned} V^\pi(s) &=E_{a\sim \pi,s’\sim P}[r(s,a)+\gamma V^\pi(s‘)]\\ &= \sum_{a}\pi(
阅读全文
阅读目录(Content)
此页目录为空
