GAE开发环境搭建(Windows + Eclipse)

最近想做一些自己的小项目部署到服务器上,然后看了一些国内国外的App Engine,发现国内的基本上都是付费的,只好用google的Google App Engine (GAE: https://developers.google.com/appengine/?hl=zh-cn),虽然在实验室会被墙。。。现在简单介绍下GAP使用java语言和eclipse的开发环境的搭建

首先是下载一些资源

下载完后的安装包如下:

  • jdk-7u67-windows-x64.exe
  • eclipse-jee-kepler-SR2-win32-x86_64.zip
  • com.google.gdt.eclipse.suite.4.3.update.site_3.7.0.zip
  • appengine-java-sdk-1.9.8.zip
  • gwt-2.6.1.zip
安装过程如下:

1、Java
很简单,直接双击安装,选择安装路径即可,如我的是 D:\Program Files\Java 。

2、 Eclipse
解压至一个目录中(如我的是E:),即可。如果有多个JDK,可以配置下eclipse使用的JDK:Windows -> Preferences -> Java -> installed JREs 

选择Add,指向java的安装目录即可

3、Google Plugin for Eclipse 
将com.google.gdt.eclipse.suite.4.3.update.site_3.7.0.zip解压,然后放到eclipse主目录下的dropins目录中(如我的是 E:\Eclipse\dropins ),重启eclipse就可以看到该插件了。

4、Google App Engine SDK for Java
配置 Google App Engine SDK for Java 如下:Windows -> Preferences -> Google -> App Engine

4、Google Web Toolkit SDK(可选)
配置 Google Web Toolkit SDK 如下:Windows -> Preferences -> Google ->Web Toolkit

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PPO算法(Proximal Policy Optimization)和GAE技术(Generalized Advantage Estimation)是两种常用的强化学习技术,可以结合使用来提高算法的性能和稳定性。 具体来说,PPO算法是一种基于策略梯度的强化学习算法,用于训练智能体的策略函数。PPO算法的核心思想是通过对策略函数进行剪切操作,以控制更新的幅度,从而提高算法的稳定性和收敛速度。 而GAE技术是一种用于估计优势函数的方法,可以在策略梯度算法中使用,以提高算法的性能和泛化能力。GAE技术的核心思想是使用当前策略函数和价值函数的估计值,对未来的奖励进行折扣,并计算出每个状态的优势函数,从而更准确地衡量策略的好坏。 结合PPO算法和GAE技术的步骤如下: 1. 采样数据:使用当前策略采样一批数据,包括状态、动作、奖励和下一个状态等信息。 2. 计算优势函数:根据采样的数据,使用GAE技术计算出每个状态的优势函数,作为更新策略函数的参考。 3. 计算损失函数:使用PPO算法的损失函数,计算出当前策略函数的损失值,以及剪切比率等参数。 4. 更新策略函数:使用优化算法,根据计算出的损失函数和剪切比率等参数,更新策略函数的参数。 5. 更新价值函数:使用回归算法,根据采样的数据,更新价值函数的参数,以更准确地估计每个状态的价值。 6. 循环迭代:重复以上步骤,直到策略函数和价值函数收敛为止。 结合PPO算法和GAE技术可以有效地解决策略梯度算法中的问题,如策略震荡、高方差等,提高算法的稳定性和收敛速度,并在大规模的复杂环境中取得更好的性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值