- 博客(4)
- 收藏
- 关注
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