- 博客(4)
- 收藏
- 关注
RSS订阅原创 RL (Reinforcement Learing) 中的问题范式
Evaluating or improving policy that used to make decision Evaluating or improving policy different from that used to generate the data Without interaction of Env.
2023-09-11 17:10:46
67
原创 Optimizer(优化器) -- SGD、Momentum、Adam等介绍
在学习RL代码过程中，对优化器的概念与作用一直不是很清晰，因此重新学习记录一下。
2023-09-08 20:38:11
2048
1
原创 RL中state和observation异同
因此，对于SARL，state和observation所表达的一致；而对于MARL，state表示联合状态，observation表示单智能体的状态。observation表示局部状态，即agent的状态。二者都是一个episode内的状态。state表示全局状态。
2023-06-03 11:01:32
137
原创 LayerNorm 与 BatchNorm异同
思想与BatchNorm一致，都是通过将某一部分变为均值为0，方差为1来正则化。，并且可以通过学习参数 γ 将其变为方差/均值为任意值的参数。方法：Pytorch。
2023-03-14 15:09:52
655
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人