腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

探物及理

终于等到你[吃瓜]，欢迎关注探物及理[得意] 张小跳会为你持续贡献好物分享：期待我们一起变得更酷！

专栏作者

59

文章

81511

阅读量

14

订阅数

系统安装工具

bash android bash 指令 https http

系统允许任何来源安装包 sudo spctl --master-disable

列夫托尔斯昊

2022-11-28

9630

解锁播放器的隐藏功能👀用过的都说好😎

flash tcp/ip windows

动机🤔 有时候想看视频，遭遇1-2min的广告，望而却步 "歪，我要看的视频也就3min好嘛？？？" 📷 有时候你想看个新闻，却还要装个Flash 📷 想起乔帮主说的话 "移动时代是低功耗设备、触摸屏界面和开放网络标准的时代，Flash 已经落伍。" 于是乎，mac和win 平台下，都有解😎 Solution Mac下，果断的下载IINA就好了 📷 作为一款万能的视频播放器，IINA mac 版的界面精美，功能齐全，支持Touch Bar、兼容 MPV 脚本、几乎支持所有格式、网络播放等，有中文支持

列夫托尔斯昊

2022-05-19

6840

Mac必备软件推荐，让你效率起飞

ide python markdown

系统工具效率 Alfred 置顶，比spotlight高效，支持各种插件，没有上限 Appcleaner mac卸载软件就靠它，一键拖入，彻底清理干净。想想CleanMyMac、Dr.Cleaner还收费，真是笑死人 istate menus 监控你的电脑，cpu、内存、网络、硬盘，你能想到的都有了 handshaker 老罗确实改变了世界，锤子出品必属精品，mac和手机连接的神器，有线和无线均可，Android和iPhone都可以用，itunes是个啥？？？ Duet Mac下mac os 10

列夫托尔斯昊

2022-05-17

2.2K0

【云服务器】推荐san、feng、yun服务器，目前永久免费！

linux 云服务器 ip p2p

一直在用zerotier的异地组网服务，过节回家可能是跨了运营商，所以p2p打洞失败，要构建moon节点加速需要有公网ip的云服务器，于是乎找到了san、feng、yun（以前一直没有注册成功甲骨文）支持win、linux等系统，一键安装宝塔，很方便

列夫托尔斯昊

2021-09-26

20.4K0

编辑公式利器，Mathpix Snipping次数用完了吧

markdown https 网络安全打包

伴随着技术的进步，以前应用App才能接决的问题，都可以在嗑盐人常用公式编辑器分享一个在线latex公式编辑器 https://latex.91maths.com https://mathpix.

列夫托尔斯昊

2021-02-02

2.7K0

word设置备忘

Mendeley 和 Zotero 都可以自动生成参考文献和引文目录但是GB7714中规定多个作者要省略，即中文文献：A,B,C,等.，英文文献：A,B,C,et al. 所以插入引文格式时，统一为et al.，然后使用word的宏功能和正则表达式完成统一替换

列夫托尔斯昊

2021-02-02

4590

不只是黑苹果需要开启hidpi，白苹果外接非4k显示屏的时候默认也是不开启hidpi的，显示效果不佳，颗粒感严重

列夫托尔斯昊

2021-02-02

1.6K0

强化学习仿真环境搭建入门Getting Started with OpenAI gym

编程算法机器人游戏强化学习监督学习

gym是用于开发和比较强化学习算法的工具包。它不对代理的结构做任何假设，并且与任何数字计算库(例如TensorFlow或Theano)兼容。

列夫托尔斯昊

2020-09-10

2.2K1

RL实践3——为Agent添加Policy、记忆功能

学习方法深度学习强化学习数据加密服务 serverless

在实践2中，介绍了gym环境的定义和使用方法。在实践1中，介绍了动态规划DP 求解价值函数并没有形成一个策略Policy\(\pi\)来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导\(\epsilon\)-greedy策略选取动作。

列夫托尔斯昊

2020-09-10

7360

强化学习笔记10：经典游戏示例 classic games

游戏强化学习

对于石头剪刀布来说，最优策略，显然和对手agent策略相关，我们期望找到一种一致的策略策略，对所有对手都有效什么是第i个玩家的最优策略\(\pi\)

列夫托尔斯昊

2020-09-10

8230

强化学习笔记11：工程师看强化学习

linux 强化学习游戏编程算法

缺点：带来维度灾难对于连续空间，构建Value = w1 * state + w2 * action 手段：函数近似器

列夫托尔斯昊

2020-09-10

7460

RL实践3——为Agent添加Policy

数据加密服务学习方法

在实践2中，介绍了gym环境的定义和使用方法。在实践1中，介绍了动态规划DP 求解价值函数并没有形成一个策略Policy\(\pi\)来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导\(\epsilon\)-greedy策略选取动作。

列夫托尔斯昊

2020-09-07

4380

RL实践1——动态规划值迭代

强化学习编程算法

动态规划的使用条件时MDP已知，在简单游戏中，这个条件时显然成立的使用Value iteration的方法求解每个状态的价值函数，迭代收敛之后，对应最优策略生成。

列夫托尔斯昊

2020-09-07

4580

RL实践2——RL环境gym搭建

python 强化学习编程算法

首先先来回顾一下强化学习问题中，环境Env 和代理Agent 分别承担的角色和作用。

列夫托尔斯昊

2020-09-07

1.3K0

hexo 进阶设置指南（持续更新）

渲染 markdown hexo html javascript

对复杂公式的支持不够好，简单公式可以显示，复杂编译错误，验证表明，问题不是mathjax.js导致，是默认hexo引擎编译导致html文本转义错误。

列夫托尔斯昊

2020-08-31

9250

强化学习笔记9：探索和利用 exploration and exploitation

python 机器学习神经网络深度学习人工智能

最佳的策略是用长期的眼光来看，放弃短期高回报获取足够策略是让策略变成全局最优的必要条件

列夫托尔斯昊

2020-08-31

1.8K0

强化学习笔记8：整合学习和规划

监督学习 linux

第7章节，讲了PG，从episode经验学习到策略 policy 之前的章节，讲了从episode 经验学习到价值函数

列夫托尔斯昊

2020-08-31

7560

强化学习笔记7：策略梯度 Policy Gradient

之前的策略优化，用的基本都是\(\epsilon\)-greedy的policy improve方法，这里介绍policy gradient法，不基于v、q函数

列夫托尔斯昊

2020-08-31

7690

强化学习笔记5：无模型控制 Model-free control

贪婪策略梯度法如果用V(s)，需要MDP已知对于已知MDP，可以通过策略迭代的方法，DP到最优策略

列夫托尔斯昊

2020-08-31

7760

强化学习笔记2：Markov decision process(MDP)

iteration policy process state

我们说一个state若满足，则其具有马尔可夫性，即该state完全包含了历史中的所有信息。马尔科夫过程是无记忆的随机过程，即随机状态序列具有马尔可夫属性。

列夫托尔斯昊

2020-08-31

8900

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态