![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
amorfatilily
单向书店
展开
-
强化学习4
DQN解决MountainCar安装依赖!pip uninstall -y parl # 说明:AIStudio预装的parl版本太老,容易跟其他库产生兼容性冲突,建议先卸载!pip uninstall -y pandas scikit-learn # 提示:在AIStudio中卸载这两个库再import parl可避免warning提示,不卸载也不影响parl的使用!pip install gym!pip install paddlepaddle==1.6.3!pip install pa原创 2020-06-21 22:48:57 · 292 阅读 · 0 评论 -
强化学习3
迷宫游戏Sarsa安装依赖!pip install gym导入依赖import gymimport numpy as npimport timeAgentclass SarsaAgent(object): def __init__(self, obs_n, act_n, learning_rate=0.01, gamma=0.9, e_greed=0.1): self.act_n = act_n # 动作维度,有几个动作可选 self.原创 2020-06-21 22:21:01 · 258 阅读 · 0 评论 -
强化学习2
1. Agent学习的两种方案强化学习算法分类:RL编程实践:GYM离散控制场景:一般使用atari环境来评估连续控制场景:一般使用mujoco环境游戏来评估搭建环境,运行PARL的QuickStart安装依赖!pip uninstall -y pandas scikit-learn # 提示:在AIStudio中卸载这两个库再import parl可避免warning提示,不卸载也不影响parl的使用!pip install paddlepaddle==1.6.3!pip原创 2020-06-21 22:04:45 · 154 阅读 · 0 评论 -
入门强化学习1
1.初识强化学习(RL)2.课程基础3.资料学习4.基本概念核心思想:智能体agent在环境environment中学习,根据环境的状态state,执行动作action,并根据环境的反馈reward(奖励)来指导更好的动作。特点:不断和环境交互,观察和输出动作奖励延迟应用场景:游戏个性推荐股票交通强化学习与监督学习的区别:...原创 2020-06-21 21:53:55 · 192 阅读 · 0 评论