《Python星球日记》 第60天：强化学习基础

最新推荐文章于 2025-05-13 17:00:32 发布
最新推荐文章于 2025-05-13 17:00:32 发布
阅读量552 收藏 12
点赞数 10
分类专栏： Python星球日记 文章标签： python 强化学习 Agent Reward Q-learning OpenAI 深度强化学习
© Code_流苏（CSDN） | 未经允许禁止转载 | 禁止商用及未授权修改 | 私自转载商用将通过法律维护权益
本文链接：https://blog.csdn.net/qq_51646682/article/details/147895179
版权

名人说：路漫漫其修远兮，吾将上下而求索。—— 屈原《离骚》
创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊）

目录


👋 专栏介绍： Python星球日记专栏介绍（持续更新ing）
✅ 上一篇： 《Python星球日记》 第59天：生成对抗网络（GAN）

欢迎来到Python星球的第60天！🪐

今天我们将揭开强化学习的神秘面纱，探索这个人工智能领域中令人兴奋的分支。强化学习是如何让AI学会玩游戏、驾驶汽车和控制机器人的基础理论

了解本专栏 订阅专栏 解锁全文 超级会员免费看
《Python星球日记》专栏介绍（持续更新...）
Code_流苏：在代码中寻诗意
04-03 1279
Python星球日记专栏介绍（持续更新ing），本专栏文章或达近百篇，后续会持续更新...
《Python星球日记》 第61天：深度强化学习（DQN 与 PPO）基础
Code_流苏：在代码中寻诗意
05-12 293
《Python星球日记》 第61天：深度强化学习（DQN 与 PPO）基础，今天，我们将探索深度强化学习领域的两个重要算法：DQN和PPO，它们结合了深度学习与强化学习的优势，使得智能体可以应对更加复杂的环境和任务。
《Python星球日记》 第43天：机器学习概述与Scikit-learn入门
Code_流苏：在代码中寻诗意
05-07 576
《Python星球日记》 第43天：机器学习概述与Scikit-learn入门
Python星球日记 - 第15天：综合复习（回顾前14天所学知识）
Code_流苏：在代码中寻诗意
04-08 476
《Python星球日记》系列的第15天，我们将对前两周学习的Python基础知识进行全面复习，解答常见问题，并通过实践项目——简易计算器来巩固所学内容。无论你是编程新手还是希望强化Python基础的学习者，这篇文章都能帮助你系统梳理Python核心概念。
《Python星球日记》 第59天：生成对抗网络（GAN）
Code_流苏：在代码中寻诗意
05-12 341
《Python星球日记》 第59天：生成对抗网络（GAN），在前面的学习中，我们探索了各种深度学习模型，从基础神经网络到卷积网络，再到循环网络和Transformer。今天，我们将进入一个非常有趣的领域——生成对抗网络（Generative Adversarial Networks，简称GAN）。
《Python星球日记》 番外篇（一）：GPT模型的进化之路
Code_流苏：在代码中寻诗意
05-12 473
《Python星球日记》 番外篇（一）：GPT模型的进化之路
在window平台大模型LoRA微调实战（完整代码带数据）
qyhua的专栏
07-24 3608
本次微调最开始是打算使用Qwen/Qwen-1_8B-Chat的模型作为微调对象，调试过程中不断报GPU显存不够，该模型需要的显存超过12G，因此后面改用 Qwen/Qwen1.5-0.5B-Chat 模型。这里的注意力投影与多层感知的层作是："c_attn", "c_proj", "w1", "w2"从上面对比图可以看出，微调后的回答的答案与模型合并的模型都差不多效果，比较准确。微调前回复答案明显多了一些不像关键字的没有微调后的好，说明确实有效果。方法保存微调后的模型到指定目录。我们调整大模型哪些层，
6月城市之星领跑活动获奖名单已出炉
热门推荐
CSDN 官方博客
07-12 1万+
经过一个月的角逐，6月城市之星领跑活动上榜名单终于出炉啦，本次城市赛道是根据最后登陆且6月份有入围博客之星用户的城市一共368个城市，城市人数划分区间具体情况如下： 200+以上城市2个，其中有一些博主的城市由于未获取到，故在「未知」城市赛道 100-199人城市6个， 50-99人城市5个 20-49人城市10个 10-19人城市19个 0-9人城市160个 下面就来看看具体城市的上榜名单及排名吧，快看看你上榜没～ 200+以上城市上榜名单及排名 北京赛道 用户ID
TGV之LTX：LTX-Video的简介、安装和使用方法、案例应用之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
05-11 1089
​ TGV之LTX：LTX-Video的简介、安装和使用方法、案例应用之详细攻略 目录 LTX-Video的简介 LTX-Video的安装和使用方法 LTX-Video的案例应用 LTX-Video的简介 LTX-Video是第一个基于DiT的实时高质量视频生成模型。它能够以1216×704分辨率生成30 FPS的视频，速度快于观看视频本身。该模型在一个大型多样化视频数据集上进行训练，能够生成具有逼真和多样化内容的高分辨率视频。它支持文本到视频、图像到视频、关键帧动画、视
maxtext开源程序是一个简单、高性能和可扩展的 Jax LLM！
struggle2025的博客
05-12 988
MaxText 是一种高性能、高度可扩展的开源软件，以纯 Python/Jax LLM 编写，以 Google Cloud TPU 和 GPU 为目标，用于训练和推理。借助 Jax 和 XLA 编译器的强大功能，MaxText 实现了高 MFU 并从单个主机扩展到超大型集群，同时保持简单和“无优化”
Python数据分析案例74——基于内容的深度学习推荐系统（电影推荐）
weixin_46277779的博客
05-10 1367
电影数据集构建推荐系统，结合内容推荐和深度学习两种方法。预处理、探索性分析，加权平均法和余弦相似度进行基于内容的推荐，计算电影的相似度并生成推荐结果。并且使用深度学习模型，构建评分预测和检索任务，用户个性化推荐和评分预测。
【Python】常用命令提示符
weixin_45619069的博客
05-06 1912
1、Python环境的基础命令； 2、在命令提示符中运行Python文件以及传递命令行参数； 3、对Python中的三方库进行结构化管理以及安装多个Python版本后如何使用虚拟环境来4、将各个版本的Python环境进行隔离，各自调用各自的三方包； 5、在虚拟环境中，如何镜像其他项目的三方库，使用requirements.txt来实现将本项目用到的三方包版本拷贝下来； 6、Python中的镜像源； 7、如何使用Python中的镜像源高速下载三方包；
Python 数据分析与可视化：开启数据洞察之旅（5/10）
小相探索IT世界
05-09 2030
在当今数字化时代，数据就像一座蕴藏无限价值的宝藏，等待着我们去挖掘和探索。而 Python，作为数据科学领域的明星语言，凭借其丰富的库和强大的功能，成为了开启这座宝藏的关键钥匙，在数据分析和可视化领域占据着举足轻重的地位。在进行 Python 数据分析与可视化的旅程中，选择合适的开发工具至关重要。它们就像是工匠手中的精良工具，能够极大地提升我们的工作效率和开发体验。下面将为大家介绍两款在 Python 数据分析领域广泛使用的开发工具：Jupyter Notebook 和 VSCode。
基于 Python 的后端开发学习路线
qq_49894233的博客
05-12 435
按照这条路线一步步学习，将会帮助你掌握后端开发的核心技能，成为一名合格的 Python 后端开发者。使用 Python 的 mysql-connector 或 psycopg2 连接数据库。使用 Python 的 unittest 或 pytest 进行单元测试。MongoDB 基础操作，使用 Python 的 pymongo 库。HTTP 协议（GET、POST、PUT、DELETE 等方法）条件语句（if-else）、循环（for、while）自己动手开发项目，例如博客、社交网站、在线商城等。
SparkSQL操作Mysql
2301_82309776的博客
05-13 482
SparkSQL 提供了强大的功能来连接和操作 MySQL 数据库，支持读取数据、写入数据以及执行 SQL 查询。下面将详细介绍如何使用 SparkSQL 与 MySQL 进行交互，并提供完整的代码示例。，并将 JAR 文件添加到 Spark 的 classpath 中。在创建 SparkSession 时，通过。
华为OD机试真题——单词接龙（首字母接龙）（2025A卷：100分）Java/python/JavaScript/C/C++/GO最佳实现
专注分享技术、实用优质教程、资源
05-11 539
华为OD机试真题——单词接龙（首字母接龙）（2025A卷：100分）Java/python/JavaScript/C/C++/GO最佳实现
第十七章：Llama Factory 深度剖析：易用性背后的微调框架设计
最新发布
YPeng_Gao的博客
05-13 837
Llama Factory 是一个开源工具，旨在简化大语言模型（LLM）的微调过程，支持多种参数高效微调方法（PEFT），如 LoRA 和 QLoRA。其核心价值在于降低技术门槛和资源消耗，通过直观的 Web UI 和统一配置，使非专业开发者也能快速上手。Llama Factory 的设计哲学强调封装复杂性，提供模块化架构，涵盖配置管理、数据处理、模型加载、训练循环和结果保存等关键组件。它通过统一接口支持多种 PEFT 方法，集成分布式训练和量化技术，简化了微调流程。
JS DOM操作与事件处理从入门到实践
m0_50296683的博客
05-10 819
这篇文章主要面向初中级开发爱好者，深入浅出地讲解了JavaScript如何通过DOM操作和事件处理赋予网页交互性。文章首先介绍了DOM（文档对象模型）作为HTML与JS沟通的桥梁及其树状结构。接着，详细演示了核心DOM操作：查询、创建、添加、修改（内容、属性、样式）和删除元素。随后，系统阐述了事件处理机制：包括事件监听器的绑定、强大的事件对象、事件流的捕获与冒泡，以及高效的事件委托模式。最后，文章总结了编写高性能、高可读性及易访问（a11y）代码的最佳实践。
CentOS9与Windows通过Samba实现永久共享配置
m0_74744788的博客
05-09 624
对于Samba服务的正常运行至关重要。首先设置SELinux布尔值(或者直接关了selinux)如果上述命令无法成功执行，可能需要手动添加Samba使用的端口。配置防火墙和SELinux策略（如果可以直接把防火墙关了）最后在windows资源管理器里输入linux ip。重启Samba服务并设置开机自启动。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Code_流苏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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