深度强化学习 - 标签 - 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

首页标签深度强化学习

#深度强化学习

从框架到经典方法，全面了解分布式深度强化学习DDRL

机器之心 2024-02-262024-02-26 17:50:39

AlphaGo 是一个在人机博弈中赢得众多职业围棋手的 agent 机器人。随着 AlphaGo 的突破，深度强化学习（Deep Reinforcement L...

22610

OpenAI Gym 高级教程——深度强化学习库的高级用法

人类群星闪耀时 2024-02-042024-02-04 08:12:04

在本篇博客中，我们将深入探讨 OpenAI Gym 高级教程，重点介绍深度强化学习库的高级用法。我们将使用 TensorFlow 和 Stable Baseli...

23610

【分享NVIDIA GTC大会干货】基于真实世界的数据集的深度强化学习

沧洋 2024-01-172024-01-17 17:21:46

本文的讲座来自于英伟达GTC大会首先附上原视频链接https://register.nvidia.com/flow/nvidia/gtcspring2023...

10810

深度强化学习整理

传智播客 · Java架构师，讲师 (已认证)

2023-12-192023-12-19 09:07:40

强化学习来自于心理学里的行为主义理论，是在环境给予的奖励或惩罚信号的反馈下，逐步形成能获得最大利益的行为策略。与监督学习相比，强化学习不需要事先准备样本集，而是...

10610

J. Chem. Inf. Model. | 双重驱动的深度强化学习用于靶标特异性分子生成

DrugAI 2023-11-062023-11-06 18:07:59

今天为大家介绍的是来自 Hao Liu和 Liang Hong团队的一篇论文。基于深度学习的分子生成模型在新药设计领域引起了广泛关注。然而，大多数现有模型专注于...

35220

MetaGPT( The Multi-Agent Framework)：颠覆AI开发的革命性多智能体元编程框架

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-132023-10-13 16:52:05

一个多智能体元编程框架，给定一行需求，它可以返回产品文档、架构设计、任务列表和代码。这个项目提供了一种创新的方式来管理和执行项目，将需求转化为具体的文档和任务列...

69220

深度强化学习经验回放(Experience Replay Buffer)的三点高性能修改建议：随机采样、减少保存的数据量、简化计算等

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-112023-10-11 17:46:02

我们使用 Numpy 库在内存里、使用 PyTorch 库在显存里创建了一整块连续的空间，对比了 List 和 Tuple 的方案。结果：连续存储空间的明显更...

70240

深度强化学习算法是否需要使用批归一化(Batch Norm) 或归一化，文本带你详解。

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-112023-10-11 17:45:28

这篇文章只说：BN 可以给深度网络带来提升，把它算成是正方已经很勉强。尽管深度强化学习也是一种深度学习，但是我个人认为深度强化学习中 BN 会失效。原因是深度强...

50320

深度强化学习：详解优化器加上REINFORCE算法迭代求解【组合优化】

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-112023-10-11 17:40:14

三张图理解「优化优化器的优化器」加上 REINFORCE 算法迭代求解，到这里就讲完了，感兴趣的可以去读原论文。欢迎来腾讯 QQ 的群 **深度强化学习 Ele...

20820

深度强化学习落地方法论算法选择：DQN、DDPG、A3C、PPO、TD3

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-112023-10-11 17:38:36

虽然每年 RL 方向的 paper 满天飞，但真正具有普遍实用价值的突破性工作实在不多，大多数还是在经典框架基础上的改进和扩展。DRL 常规武器库里的存货主要还...

1.9K20

深度强化学习落地方法论训练篇：PPO、DQN、DDPG、学习率、折扣因子等

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-10-112023-10-11 17:38:02

为了保证 DRL 算法能够顺利收敛，policy 性能达标并具有实用价值，结果有说服力且能复现，需要算法工作者在训练前、训练中和训练后提供全方位一条龙服务。我记...

1.4K40

小白系列（6）| Q-Learning vs. Deep Q-Learning vs. Deep Q-Network

一点人工一点智能 2023-09-072023-09-07 09:31:20

原文：小白系列（6）| Q-Learning vs. Deep Q-Learning vs. Deep Q-Network

41320

人工智能LLM模型：奖励模型的训练、PPO 强化学习的训练、RLHF

汀丶人工智能

阿里 · 算法工程师 (已认证)

2023-07-172023-07-17 22:48:06

在大语言模型完成 SFT 监督微调后，下一阶段是构建一个奖励模型来对问答对作出得分评价。奖励模型源于强化学习中的奖励函数，能对当前的状态刻画一个分数，来说明这个...

76201