- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AlphaZero五子棋网络模型【python】
前文： AlphaGo Zero详解蒙特卡洛树搜索（MCTS）代码详解【python】代码来自 https://zhuanlan.zhihu.com/p/32089487五子棋版的AlphaZero网络一开始是公共的3层全卷积网络，分别使用32、64和128个 3\times3 的filter，使用ReLu激活函数。然后再分成policy和value两个输出。在policy这一端，先使...
2019-03-27 20:57:45
8480
2
原创 蒙特卡洛树搜索（MCTS）代码详解【python】
前文：AlphaGo Zero 详解之前看了AlphaGo Zero 的整个流程，接下来就要了解一下具体怎么实现的。毕设选择做用 AlphaGoZero 做五子棋，也在网上找到了相当不错的前人写的 代码。我要做的是先看懂他写的，然后再试试改进算法的性能。首先要实现 MCTS 的部分，原版注释用英语写的。现在我要一步一步的分析。首先创建节点类 TreeNode：class TreeNode(...
2019-03-23 23:37:09
25784
5
原创 mujoco win7下载安装
mujoco在win7环境下的下载和安装一 安装Microsoft Visual C++ 14.0下载地址: https://964279924.ctfile.com/fs/1445568-239446865这个在安装 scrapy 时候遇到过,很烦人.二 安装mjpro150 win64，下载地址：https://www.roboti.us/index.html把解压好的文件...
2019-03-21 13:32:28
4408
7
原创 AlphaGo Zero详解
AlphaGo Zero思考再三，决定研究一下 AlphaGo Zero，并把 AlphaGo Zero 的思想运用到五子棋 中，毕设就决定做这个。AlphaGo Zero 最大的亮点是：完全没有利用人类知识，就能够获得比之前版本更强大的棋力。主要的做法是:利用蒙特卡洛树搜索建立一个模型提升器在自我对弈过程中，利用提升器指导模型提升，模型提升又进一步提高了提升器的能力。蒙特卡洛树...
2019-03-20 23:21:27
25766
1
原创 毕设日志（二）
毕业设计工作日志（二）2019.3.9DQN2019.3.9今天的任务是了解Deep Q Network，以及Double DQN，Dueling DQN，Deep Deterministic Policy Gradient，A3C，Proximal Policy Optimization (PPO)等等强化学习算法。用Tensorflow实现一个简单的Deep Q Network。开...
2019-03-09 21:41:09
5405
原创 毕设日志（一）
毕业设计工作日志一2019.3.5现在开始准备做本科毕业设计，将每天的安排和进度记录下来，督促自己。首先，毕设的大致方向是深度强化学习。具体内容未知。Q1：我现在的任务是什么？A1：（1）掌握相关的知识，如深度强化学习，图像处理等等，（2）学习相关的论文并复现。Q2：我现在具体在做什么？A2：了解强化学习,并用python实现一些小例子。Q-learning算法别人的代码：来自...
2019-03-05 21:04:55
8135
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人