weixin_44025954的博客

原创 DMC安装和使用

首先得安装Mujoco参考。

原创 Dreamer-V2论文阅读

Dreamer-v2是一个model-based rl 算法，

原创 【无标题】

RLHF基本原理和DPO论文阅读RLHF基本原理LLM先进行有监督的微调学习一个reward model强化学习微调强化学习算法经常采用ppo算法，可以将reward funtion写为：DPO算法

原创 git常用命令

git initgit add .git commit这是个多功能命令，可以开始跟踪新文件，可以将文件放入暂存区，也可以在合并分支时将冲突的文件标志为解决状态。git commit -m “message”git commit -a (先暂存再提交)克隆一个远程仓库，自动关联git fetch origin会抓取远程仓库的新推送的所有工作到本地，但是并没有合入当前工作。拉取远程分支并合入当前分支将当前分支推送到远程分支git push origin mastergit commit会指向父对象

原创 docker常用命令

连接一个已经启动的容器，并且退出后容器不关闭：exit退出。

原创 电脑向linux服务器传输文件

scp:

原创 linux服务器连接外网

对wget有用，对apt-get无效。

原创 MEPG论文阅读

论文阅读

原创 Exploration by distributional rl

对distributional rl的exploration

原创 tf.greater(),tf.where()函数用法