深度强化学习(DeepRL)探索博客

转载链接：http://nooverfit.com/wp/tensorflow%E5%A6%82%E4%BD%95%E5%85%85%E5%88%86%E4%BD%BF%E7%94%A8%E6%89%80%E6%9C%89cpu%E6%A0%B8%E6%95%B0%EF%BC%8C%E6%8F%90%E9%AB%98tensorflow%E7%9A%84cpu%E4%BD%BF%E7%94%A8%

1、背景简介说起正则化，那为什么我们训练的模型或者是神经网络需要正则化呢？它的主要作用在于： 提高泛化能力，防止过拟合举个例子：上学期间广义分为三种人（仅仅说学习成绩）： 学渣：根本就没学懂，书中的题目不会，考试卷也不会（欠拟合） 书呆子：就会课本上的，所有题目都会做，但是考试就是成绩低（过拟合） 学霸： 书中的会，考试照样考100，是不是可怕？懂了吧，机器学习和人一...

注： 本blog是个人学习笔记记录，如有错误，欢迎指出，以供学习进步！，再次非常感谢！说起SVM，应该是机器学习中非常典型的算法，但理解也是比较难的，因此直接看博主july的《支持向量机通俗导论（理解SVM的三层境界）》https://www.cnblogs.com/v-July-v/archive/2012/06/01/2539022.html， 讲的非常全面和细致，看完之后基本上就理解...

注：假设已经懂了简单神经网络1. 卷积神经网络卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利...

读取方法过程Method()# 随机取batch_size个训练样本 import numpy as npdef next_batch(train_data, train_target, batch_size): index = [ i for i in range(0,len(train_target)) ] np.random.shuffle(index)...

强化学习前世今生如今机器学习发展的如此迅猛，各类算法层出不群，特别是深度神经网络的发展，为非常经典的强化学习带来了新的思路，虽然强化学习一直在发展中，但在2013年这个关键点，DeepMind大神David Sliver使用了神经网络逼近函数值后，开始了新的方向，又一发不可收拾的证明了确定性策略等，纵观近四年的ICML,NPIS等会议论文，都有涉猎。因此本文在参考已有论文，博客

ERROR: Unable to load the kernel module 'nvidia.ko'. This happens most frequently when this kernel module was builtUbuntu 16.04 & GTX 1050+cuda8.0 +cuDNN5.1 的深度学习开发环境搭建/

转载地址：http://blog.csdn.net/gsww404/article/details/78083169Tensorflow数据读取有三种方式：Preloaded data: 预加载数据Feeding: Python产生数据，再把数据喂给后端。Reading from file: 从文件中直接读取这三种有读取方式有什么区别呢？ 我们首先要知道TensorFlow

分批次读取csv文件，如图：源代码：import tensorflow as tfimport numpy as npdef readMyFileFormat(fileNameQueue): reader = tf.TextLineReader() key, value = reader.read(fileNameQueue) record_defa

让机器学习模型泛化得更好的最好办法是使用更多的数据进行训练。当然，在实践中，我们拥有的数据量是很有限的。解决这个问题的一种方法是创建假数据并添加到训练集中。对于一些机器学习任务，创建新的假数据相当简单。对分类来说这种方法是最简单的。分类器需要一个复杂的高维输入 x，并用单个类别标识 y 概括 x。这意味着分类面临的一个主要任务是要对各种各样的变换保持不变。我们可以轻易通过转换训练集中的 x 来生成...