服务器出现 conda:command not found如何修复 注意这个地方的path要改成自己的bin目录哦，不能直接复制哦！命令打开，也可以在可视化界面找到对应文件，双击打开。文件，可以在终端使用。
强化学习中的并行方法：ApeX框架 梯度并行，A3C经验并行 | 分布式异步参数更新， 分布式数据生成 有一个主网络和很多的worker。A3C把主网络的参数直接赋予worker中的网络，更新时。该架构依赖于优先记忆重放，只关注actor生成的最重要的数据。强化学习收敛速度慢，采用并行计算可以加快计算速度。与环境进行交互，产生的数据存储在。，对主网络的参数进行更新。
超详细debug教程！小白必看！百分之八十的人都不知道的debug小技巧；pycharm界面如何设置？pycharm如何debug？for循环时如何停止？各种debug小技巧分享！ 如果你是刚上手python的小白，一定要看这篇文章！如果已经用了好几年python，也不要错过这篇文章哦，总有一些小tips是你不知道的。
服务器的CUDA是哪里来的？pytorch会自动安装CUDA吗？如何选择CUDA版本？nvcc --version的版本和nvidia-smi不一样是怎么回事？pytorch无法使用GPU怎么办？ 我们安装pytorch的时候，也会顺带安装cuda，那这个cuda和服务器自带的cuda是什么关系呢？另外，安装pytorch的时候，这里的platform究竟是什么意思呢？我问了问之前使用这个命令的同门，他表示：“那个可能过时了，当时好像是3090的原因”。于是上网搜了搜，发现可能是pytorch版本和CUDA版本不一样，于是使用。的时候安装的是什么东西，有没有cuda（千万不要安装成cpu版本哦！命令，惊奇的发现，CUDA version居然是11.4！所以，大家下载pytorch的时候，一定要从。..
解决mpi4py导入报错ImportError: libmpi.so.40: cannot open shared object file: No such file or directory 网上找了好久的方法，试了很多都不行。
PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning 代码解析 PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning 论文代码运行笔记
Unity行人随机行走不碰撞 属性Mass（质量）、Drag（阻力）、AngularDrag（角阻力）、UseGravity（是否使用重力）、IsKinematic（是否受物理影响）、CollisionDetection（碰撞检测）等。比如地面就可以不设置刚体，因为地面是永远不动的，把人物设置刚体就可以实现真实的物理碰撞效果了。将行人对象的Layer设置为相同层级，再调整碰撞矩阵，就会互相不碰撞了。这里的不碰撞并不是“避障”，只是不检测碰撞了。，所以在使用刚体时，根据可能发生的碰撞触发事件，适当的。的游戏对象相互接触的时候。......
无人驾驶动态避障策略调研 | 机器人动态避障策略 | 行人轨迹预测 | 机器人导航 既然要避障，就需要知道周围障碍物的位置和速度，预测是否会相撞。一般分为三个步骤①障碍物检测②障碍物轨迹预测③避障光流传感器可以估计物体的速度轨迹预测，比较简单的方法是基于行人过去的速度和方向，预测下一时刻的位置坐标，判断是否会与机器相撞。..............................
三篇强化学习用于多智能体路径规划的论文 期刊：applied science MDPI总结：使用VGG进行特征提取，再使用DQN进行决策。论文质量较低，缺乏很多重要内容，如：环境搭建、数据集介绍、action和state的相关描述，还有很多typo；而且论文中并未体现出多机器人的思想。论文模型图非常简单，画了跟没画似的。。。和常见的强化学习交互图一样。用到了CNN来处理像素信息（应该后续会作为state），但文中并未说明图像信息来源：reward设置：离目标近，reward +0.2；碰撞，reward -20；到达目标点，reward
强化学习中 on-policy与off-policy 的理解；如何区分on-policy 与 off-policy；RL更新策略、policy结构总结 有趣的解释：古时候，优秀的皇帝都秉持着“水能载舟 亦能覆舟”的思想，希望能多了解民间百姓的生活。皇帝可以选择通过微服出巡，亲自下凡了解百姓生活（On-policy），虽然眼见为实，但毕竟皇帝本人分身乏术，掌握情况不全；因此也可以派多个官员去了解情况，而皇帝本人则躺在酒池肉林里收听百官情报即可（Off-policy）。Q-learning vs. Sarsa二者都是基于TD的强化学习策略，但是前者是off-policy（有目标网络和行为网络），后者是on-policy。on-policy与off-polic
对word2vec的一些浅层理解 最近有朋友问到word2vec是怎么一回事，于是我又复习了一遍相关知识，记录下自己的一些思考，防止遗忘~word2vec是获取词向量的手段，它是在NNLM基础上改进的。训练模型本质上是只具有一个隐含层的神经元网络。它有两种形式 ① skip-gram：从两边预测中间 ② C-BOW：从中间预测两边；注意，这两种形式只是代表两种不同的训练方式，最终都是取输入层->隐藏层的权重，作为词向量。训练时，以CBOW为例，假设语料库是“今天的天气真好”；模型的输入是 "今 天 的 天 真 好"六个单词的one-h
Trajectory planning for multi-robot systems: Methods and applications 综述阅读笔记 本文中Multi-Robot System (MRS) 并不局限于机器人，指代的是UAV和UGV要求：安全到达指定地点，尽量选择短距离、短时间介绍了无人机和自动驾驶：（综述的名字明明是trajectory planning，但是文中全在讲path planning）将环境分解为多个网格，获取环境表示，需要识别哪些地方是起始点、障碍。相当于一张无向图啦那么，问题就变成 找到一条从初始节点到终止节点的路径迪杰斯特拉(Dijkstra)算法是典型最短路径算法，用于计算一个节点到其他节点的最短路径。 它的主要
[牛客网刷题 Day6] JZ27 二叉树的镜像 操作给定的二叉树，将其变换为源二叉树的镜像。返回的是一棵树，那得建立TreeNode吧，想到了两种方法：① 使用队列，从右往左存node，这样读出来的顺序就是镜像的；可是答案要求输出一颗树，我不知道怎么转换成树② 使用递归，当孩子为叶节点时，交换左右节点的位置；可是还是写不来，o(╥﹏╥)o偷偷看了答案，用堆栈存储节点，每次取出来就交换左右节点，于是照着这个思路写了一下代码：答案：看了看递归：解题步骤：1、特判：如果pRoot为空，返回空2、交换左右子树3、把pRoot的左子树放到Mirro
关注
