Willow_CS_DN-优快云博客

原创【PPO】小白的强化学习算法笔记

之前给的公式表明：如果某个trajectory给出的action得到的reward大于零，那么就增加这个trajectory里所有状态下的采取这个action的概率。训练目的：训练一个policy网络使得在各种state下，给出action，得到return的期望最大。玩n场游戏，每个action按概率取样而不是选择最大的。对reward的求和：改为从当前步t到整个游戏结束的求和。引入衰减因子：距离当前步数越远影响越小，指数衰减。期望是每个可能结果的概率与其结果的乘积之和。不是这个方向的后面不学了。

2025-03-26 20:38:57 306

这个博客太懒了什么都没说

原创【PPO】小白的强化学习算法笔记

原创【VulChecker】Graph-based Vulnerability Localization in Source Code

原创 Coursera四门课备考入学考试

原创持续学习入门

原创福昕阅读器高级版解决文件上传IEEE PDF eXpress字体未嵌入

原创【VLM小白指北 (1) 】An Introduction to Vision-Language Modeling

原创【MiniCPM-V】win10本地部署OCR等性能测试

原创【MiniCPM-V】win10本地部署踩坑

原创 Could not fetch URL https://pypi.tuna.tsinghua.edu.cn/simple/pip/

原创【PyCharm】拿到手的实用设置

原创【AutoGPT】踩坑帖（follow李鱼皮）

原创【多模态医学分割】Clip驱动的器官分割和肿瘤检测通用模型（ICCV 2023）

原创【迁移学习】域对抗迁移网络 DANN

原创【对比学习+分割】CRIS：CLIP驱动RIS图像分割（CVPR 2022）

原创【深度学习某站入门推荐】建议收藏

原创【rPPG】全自动睡眠期间基于摄像头的脉搏血氧仪（建模方法非深度学习）

原创【Transformer改进】解决Transformer复杂度较大问题的变体模型Star Transformer

原创【自监督通用方法】Barlow Twins | 通过减少冗余进行的自监督学习

原创浅聊如何通过保研实现天坑转码

原创【时序数据 - 自监督预训练】基于时频一致性的时间序列自监督对比预训练

转载【入门级大模型微调技术总结】懂深度学习的都能看懂

原创【Git学习笔记】Git原理和通过PyCharm联动GitHub实战

原创【运动心肺测试】关于深度学习用于运动心肺测试数据的一些想法

原创【已解决】Pycharm打开一直在updating indexes

原创【overleaf】使用中遇到的一些问题

原创【运动心肺测试】利用CNN将运动心肺测试时间序列编码为图像进行分类

原创深度学习自建模型常见bug (KEModel)

原创 Mac+阿里云服务器初体验

原创【菜鸟踩坑】csc不是内部或外部命令,也不是可运行的程序

原创 EC600S｜Helios SDK踩坑经历

空空如也

空空如也