發(fā)簡(jiǎn)信
IP屬地：北京
PPO Debug Experience Recently, I need to perform PPO in a complex env. ...
最近看了下 PyTorch 的損失函數(shù)文檔，整理了下自己的理解，重新格式化了公式如下，以便以后查閱。 值得注意的是，很多的 loss 函數(shù)都有 ...
強(qiáng)化學(xué)習(xí)有一個(gè)方向是專注于解決稀疏獎(jiǎng)勵(lì)中的策略問題。這是目前研究的一個(gè)熱點(diǎn)。 相信大家對(duì)于強(qiáng)化學(xué)習(xí)已經(jīng)有了一定的概念，其中Model-Free的...
Tips for training AC algorithm in Reinforcement learning 在強(qiáng)化學(xué)習(xí)中訓(xùn)練AC算法的技巧...
一些擴(kuò)展的markdown語(yǔ)法支持采用LaTex語(yǔ)法寫數(shù)學(xué)公式，掌握數(shù)學(xué)公式的編輯是一名程序員的必備技能。本文介紹如何在markdown中書寫數(shù)...
layout: posttitle: IndexError: too many indices for arraysubtit...
Part1 基本情況 首先介紹一下自己情況 申請(qǐng)之前的準(zhǔn)備 我大概從大三上學(xué)期的十二月開始搜集信息，了解了一些學(xué)校，看了一些保研論壇的帖子，和幾...