我是香菜

深度学习是这几年最火的技术，个人看来也是将来最有前途的技术路径，所以我认为应该去学习下深度学习，但是现在这项技术似乎是阳春白雪，搞技术的都是些高学历的，对于我们本科生来说是有点困难的。 介绍下我自己，信息安全专业毕业做了十年的程序，本科211，一直在游戏行业做游戏，平常喜欢探索新技术，希望自己保持学习的心态，不至于被时代落下。 深度学习一直是一门高不可攀的技术，并不是这门技术有多难，而是很多的技术文章都是将技术最底层的细节展示，各种高不可攀的公式，看不懂的...

残差网络，解决梯度消失和爆炸

Policy Gradient 轻松搞明白，无公式

总的来说，Attention机制是一种可以让模型在处理序列数据时，根据输入的不同部分赋予不同权重的机制，从而可以更灵活地关注输入数据的不同部分。这在处理长序列数据时特别有用，例如在自然语言处理任务中。如果你有任何具体问题或者想深入讨论某方面的内容，请随时提出。

本科生学深度学习一轻松理解DQN，两个网络解决Q值误差

一文搞懂sarsa和Q-Learning的区别

在学习的过程中经常会看到蒙卡特洛和时序差分算法，到底这两个是指什么，今天稍微整理下，开始吧。

OpenAI Gym 是一个工具包，提供了广泛的模拟环境，也是强化学习的环境，今天看下怎么安装这个环境。

1. 引言这是这个系列的第一篇，为什么会突然写这么一篇？这是因为公司最近搞了一个拳皇97 AI 大赛，各个程序摩拳擦掌，对于我来说有点难，不会玩，不懂客户端，试着写了下发现很难发出招式。本想用机器学习解决问题，奈何在公司网络限制，搞了两天，又由于还有正经工作，断断续续的，环境搭建不起来，简直是走一步三个坑，无奈只能自己手撸最简单的QLearning算法。（环境并不适合，因为状态太多，下面会解释）2. Qlearning 是什么 强化学习在机器学习里面只是一个分支，QLearing 是强化学...

最简单的CNN全理解

RNN写了几期了，今天写下最后一个RNN的神经网络GRU，废话不多说，直接走起。1.gru 是什么GRU是LSTM的一种简单的变体，比LSTM网络的结构更加简单，而且效果也不差，运行效率更高，因此也是当前流行的一种网络结构。使用GRU能够达到相当的效果，并且相比之下更容易进行训练，能够很大程度上提高训练效率，因此很多时候会更倾向于使用GRU。2.和LSTM的网络结构差别上一节的时候我写了LSTM的网络结构，LSTM最终的三个门控神经单元是输入门，遗忘门，以及输出门，简单的概括下三个门控单

史上最简单的LSTM讲解，多图展示，源码实践，建议收藏距离上一次的RNN有段时间了，一方面不想写，一方面因为其他的事情被牵扯了精力，所以也就一直拖着，今天写一下LSTM，希望以一个本科生的角度能讲明白这件事。1、什么是lstmLSTM：长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。RNN 传送门：评论继续送书，史上最容易

本科生学深度学习-史上最容易懂的RNN文章，小白也能看得懂，评论继续送书

深度学习基础之三分钟轻松搞明白tensor到底是个啥

汇总matplotlib的所有demo，收藏以后参考

深度学习基础之numpy，小白轻松入门numpy，送书了！！！

目录1、目的2、心理准备3、IDE的选择4、AI框架的选择5、安装环境6、总结最近没怎么写游戏了，一直在写python，是因为我对深度学习感兴趣，想学习一下，同时也觉得AI是未来，所以去学习了一段时间。1、目的AI 和游戏的结合是 强化学习，强化学习是深度学习的一个分支，之前也写过一点深度学习，所以这次的学习路线就是由机器学习到深度学习，最后到强化学习，不得不说一条路线对于我来说其实有点难的，深度学习各种公式，各种概念，各种框架，需要时间的积累，所以不是一...

再不入坑就晚了,深度神经网络概念大整理，最简单的神经网络是什么样子？