AI_future的博客

博客 知乎

隐马尔科夫模型一(概念理解) 隐马尔可夫模型二(公式推导)

tf2.0以上版本的，开始加两行 import tensorflow.compat.v1 as tf tf.disable_v2_behavior()

1.Anaconda prompt中创建 python3.6 版本的TensorFlow环境： conda create -n tensorflow python=3.6 2.activate tensorflow 3.pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.0.0-rc # 使用清华园镜像 飞快! 4.测试：import tensorflow as tf ...

1.env.render()函数用于渲染出当前的智能体以及环境的状态。 2.env.reset()为重新初始化函数 3.observation_, reward, done = env.step(action) 第一个为当前屏幕图像的像素值，经过彩色转灰度、缩放等变换最终送入我们上一篇文章中介绍的 CNN 中，得到下一步“行为”； 第二个值为奖励，每当游戏得分增加时，该返回值会有一个正反馈； 第三个值 gameover 为布尔值，如果游戏结束，返回 True； ...

Sarsa：在S2状态直接选择值。

model-free RL（依靠真实世界的反馈）： 1.Q learning 2.Sarsa 3.Policy Gradients model-based RL（可以在想象中模拟）： 1.Q learning 2.Sarsa 3.Policy Gradients policy-based RL(基于概率)：不一定选择最高概率 1.Policy Gradients value-based RL：一定选择最大价值，连续的动作无法用基于价值 1.Q learning 2.Sarsa actor-critic：两种