- 博客(6)
- 收藏
- 关注
RSS订阅
1转载 2021-06-23
tf.nn.sparse_softmax_cross_entropy_with_logits() https://blog.csdn.net/ZJRN1027/article/details/80199248
2021-06-23 10:15:14
78
原创 NumPy（上）
Numpy（上） Numpy最重要的一个特点就是支持N维数数组对象ndarray。 生成numpy数组 1.利用array（）方法 arr1= [1. 2.1 2. 3. ] 2.利用特定函数，比如np.arange（） arr2= [0 1 2 3 4 5 6 7 8 9] arange（start，stop，step，dtype），start为起始值，默认为0，stop为终止值，取值区间左闭右开，step为步长，默认值为1 arr2= [[0 1 2 3 4] [5 6 7 8 9] arr2=
2021-06-01 20:47:11
45
原创 贝尔曼方程推导
马尔可夫的动态特性： 回报：（两种定义） 或 （折扣率大于等于0小于等于1，折扣率决定了未来收益的现值） 状态价值函数：从状态s开始，智能体按照策略π进行决策所获得回报的概率期望值 动作价值函数： 动作价值函数与状态价值函数的关系： 动作价值函数与马尔可夫的动态特性的关系： 因此贝尔曼方程推导为： 或（原理一样，只不过我当时没看明白书上的推导，所以按照自己的理解根据回溯图手写了一下，其实手写和书上截图的推导是一样一样的） 贝尔曼方程用等式表达了状态价值和后续状态价值之间的关系。 ...
2021-04-10 11:29:21
979
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人