摘要：
阅读全文
摘要：
创建虚拟机（50G、100G、150G、200G） 根目录 . admin-openrc qemu-img convert -f vmdk -O qcow2 Centos-new-disk1.vmdk Centos -new-disk1.qcow2 qemu-img convert: QEMU 提供 阅读全文
摘要：
查看分区 df -Th 删除home分区或注释掉 vi /etc/fstab 卸载home分区 umount /home 查看逻辑分区 lvscan 移除 /home的lv分区 lvremove /dev/mapper/centos-home 查看一下vg设置 vgdisplay 可以看到空闲出来的 阅读全文
摘要：
网卡：MCX653105A-ECAT 【ConnectX-6 VPl adaptercard, 100Gb/s(HDR100, EDR IB and100GbE), single -portQSFP56, PCle3.0/4.0x16, tall bracket, singlepack】
交换机：星融CX308P-N
Roce v2协议
服务端ip：172.25.6.70
客户端ip：172.25.6.71
网卡名：mlx5_0 阅读全文
摘要：
概率密度函数 期望（expect） state s action a agent policy Π(a|s) reward r state transition p(s'|s,a) return（cumulative future reward 未来累计回报） discounted return（γ 阅读全文
摘要：
Deep Q-Learning 产生和更新Q表在大状态空间环境中可能变得无效 Deep Q-Learning使用了一个神经网络，它获取一个状态，并基于该状态近似每个动作的Q-值，而不是使用Q-表。我们将使用RL Zoo训练它玩太空入侵者和其他雅达利环境，这是一个使用稳定基线的RL训练框架，提供训练脚 阅读全文
摘要：
Q-Learning是RL算法： 训练 Q 函数，这是一个操作-值函数，它包含作为内部存储器的 Q 表，其中包含所有状态-操作对值。 给定一个状态和动作，我们的 Q 函数将在其 Q 表中搜索相应的值。 Q-Learning伪代码： step1：初始化Q-Table step2：使用epsilon贪婪 阅读全文
摘要：
强化学习流程： 我们的代理从环境接收 — 我们接收游戏的第一帧（环境） State S0 基于代理采取的情况 — 我们的代理将向右移动 S0 action A0 环境走向新的——新的框架 State S0 环境给了代理一些——我们没有死（正面奖励+1）Reward R0 RL 循环输出一系列状态、操 阅读全文
摘要：
监督学习（supervised learning）：在监督学习中，对于数据集的每个样体，我们想要算法预测，并得出“正确答案 ”。监督学习就是 回归问题和分类问题。回归问题：回归是指我们的目标，是预测一个连续值输出；分类问题：其目的是预测离散值输出。 无监督学习（unsupervised learni 阅读全文
摘要：
1.内存分区模型 C++程序在执行时，将内存大方向划分为4个区域：●代码区:存放函数体的二进制代码，由操作系统进行管理的●全局区:存放全局变量和静态变量以及常量●栈区:申编译器自动分配释放存放函数的参数值局部变量等●堆区:由程序员分配和释放若程序员不释放程序结束时由操作系统回收 内存四区意义:不同区 阅读全文
