ray.rllib-入门实践-9: 查看模型的网络权重和状态

RLlib一:RLlib入门 强化学习库,RLlib入门 阅读详情
import os 
from ray.rllib.algorithms.ppo import PPO,PPOConfig

config = PPOConfig()
config = config.environment(env="CartPole-v1",env_config = {})
config = config.rollouts(num_rollout_workers=2)
config = config.resources(num_gpus=0, num_cpus_per_worker=1, num_gpus_per_worker=0)

algo = config.build()

##################  获取模型网络权重  ############################
"""
说明:
    rllib中, actor 网络和 critic 网络被统一整合到一个 继承自 ModelV2 或 TorchModelV2 的类下,
    所以 rllib 中的模型指的是这个继承自 ModelV2 或 TorchModelV2 的类,
    里面即包含了所有用到的网络。
"""

## (推荐)方法1: 获取默认的本地的 model 的网络权重 
weights = algo.get_policy().get_weights()
print(f"weights = {weights}")
print(f"weights_keys = {weights.keys()}")

## 方法2: 获取默认的本地的 model 的网络权重 , 等价于方法 1. 
# weights = algo.workers.local_worker().policy_map["default_policy"].get_weights()
# print(f"weights = {weights}")
# print(f"weights_keys = {weights.keys()}")

## 方法3: 获取每一个worker上的网络副本的网络权重, 包含远程副本 
# workers_weights = algo.workers.foreach_worker(lambda worker: worker.get_policy().get_weights())
# print(f"workers_weights = {workers_weights}")
# print(f"worker_0_weights = {workers_weights[0]}")
# print(f"worker_0_weights.keys = {workers_weights[0].keys()}")
# print(f"worker_num = {len(workers_weights)}")

## 方法4: 获取每一个worker上的网络副本的网络权重, 包含远程副本
# workers_weights = algo.workers.foreach_worker_with_id(
#     lambda _id, worker: worker.get_policy().get_weights()
# )
# print(f"workers_weights = {workers_weights}")
# print(f"worker_0_weights = {workers_weights[0]}")
# print(f"worker_0_weights.keys = {workers_weights[0].keys()}")
# print(f"worker_num = {len(workers_weights)}")

## 方法5: 获取 worker 的 state 
# workers_states = algo.workers.foreach_worker_with_id(
#     lambda _id, worker: worker.get_state()
# )
# print(f"workers_states = {workers_states}")
# print(f"workers_states[0].keys = {workers_states[0].keys()}")

RLlib+CARLA自动驾驶仿真训练实战:中文生产级配置指南 强化学习(RL)在自动驾驶仿真中的核心挑战在于高效、稳定、可扩展的训练工程实现。其原理依赖于环境交互采样、策略梯度更新与分布式经验回放的协同;技术价值体现在突破单机性能瓶颈、支撑多智能体联合训练、保障工业级checkpoint兼容性与跨平台复现能力;典型应用场景包括端到端驾驶策略研发、智驾算法闭环验证及车队级仿真训练平台搭建。本文聚焦 RLlib 与 CARLA 的深度集成,覆盖同步模式配置、多智能体环境封装、传感器数据压缩传输、自定义预处理器设计等关键实践环节,特别针对中文开发者提供开箱即用的配置模板与6 阅读详情

相关推荐

RLlib+CARLA自动驾驶仿真训练实战:高鲁棒分布式强化学习流水线

强化学习(RL)在自动驾驶决策中的落地,核心挑战在于仿真环境与训练框架的深度协同。CARLA作为高保真城市驾驶仿真平台,提供语义分割、LiDAR、多相机及物理引擎等关键能力;而RLlib依托Ray构建的分布式Actor-Critic架构,天然支持异步rollout、多智能体协同与弹性容错——二者结合,解决了PyTorch或Stable-Baselines3原生实现中常见的训练不稳定、reward稀疏、worker频繁崩溃等工程痛点。该技术路径已广泛应用于高校算法验证、车企闭环测试与机器人创业公司的低成本路测

davy57345的博客 442

Rllib学习[3] --自定义policy类

rllib中自定义policy

upr_rom的博客 1855

Ray:面向AI工程的分布式原语操作系统

分布式计算是AI规模化落地的核心瓶颈,传统框架如Spark、Dask难以应对AI特有的状态强依赖、异构资源调度与毫秒级通信需求。Ray以Task、Actor和Object Store三大原语重构分布式抽象,提供零侵入的Python原生体验与统一内存层,显著提升GPU利用率与数据流转效率。其核心价值在于将复杂调度语义封装为开发者熟悉的函数式与面向对象范式,支撑强化学习训练、LLM微调与推理服务等典型AI Engineering场景。本文深入解析Ray如何成为现代AI基础设施的操作系统级底座。

weixin_30765505的博客 453

RLlib:用户自定义模型代码示例

RLlib中如何自定义模型

Kiek17的博客 1320

基于阿里云PAI与Isaac Lab的机器人感知强化学习规模化训练实践

强化学习作为机器学习的重要分支,通过智能体与环境的交互试错来学习最优策略。其核心原理在于利用奖励信号引导策略优化,在机器人、游戏AI、自动驾驶等领域展现出巨大技术价值。然而,当应用于机器人感知任务,即处理图像、点云等高维原始输入时,对算力、仿真速度和数据吞吐提出了前所未有的工程挑战。传统单机或小规模集群难以满足海量并行仿真和模型训练的需求。云原生AI平台通过提供弹性的GPU计算资源、高效的数据存储与访问服务以及完整的MLOps工具链,为规模化AI训练提供了理想的解决方案。本文聚焦于如何利用阿里云PAI平台的

weixin_33812433的博客 401

DeepSeek快速模式与专家模式是否共用同一模型权重?

大语言模型服务中的‘快速模式’与‘专家模式’是当前企业级AI落地的关键工程实践,其本质并非两个独立模型,而是基于同一套开源权重(如DeepSeek-MoE-16B)通过推理引擎配置、专家激活策略(Top-k)、KV Cache量化(FP8/FP16)等运行时参数动态调控的服务形态。这种‘同模不同路’设计兼顾低延迟响应与高精度生成,在金融客服、教育SaaS等SLA敏感场景中尤为普遍。技术价值在于以极低成本实现服务质量分级,避免重复训练与存储开销;典型应用包括API路由分发、流式摘要加速与合同条款精审。本文聚焦

weixin_34221112的博客 401

Ray RLlib 架构精通指导

定义 / 复用RLModule(或 MultiRLModule)实现(及优化器配置)子类化Algorithm,覆写(采样量、是否从 OfflineData 取数、同步策略)提供XxxConfig暴露超参用单进程验算损失,再开分布式。

Keep Learning 233

NPU、CPU和GPU

NPU、CPU和GPU是三种不同类型的处理器,它们各自有不同的设计特点和应用场景。NPU(Neural Processing Unit,神经网络处理单元)是一种专门为加速神经网络计算而设计的处理器。

m0_60697583的博客 1755

RLlib二:强化学习(RLlib)的关键概念

算法类的**training_step()**方法定义了位于任何算法核心的可重复执行逻辑。将其视为研究论文中算法伪代码的python实现。您可以使用training_step()来表达您希望如何协调从环境中收集样本、将这些数据移动到算法的其他部分,以及跨不同分布式组件更新和管理策略权重。简而言之,如果开发人员想要对现有算法进行自定义更改、从头开始编写自己的算法或从论文中实现一些算法,他们将需要覆盖/修改“training_step”方法。

Kiek17的博客 1324

基于STM32F407与AD9910/AD9959的高频可调DDS信号源设计与实战

本文详细介绍了基于STM32F407微控制器与AD9910/AD9959高性能DDS芯片的高频可调信号源设计与实现。文章从DDS原理入手,阐述了双芯片方案的优势,并重点分享了高频电路设计中的电源、PCB布局布线等关键硬件设计技巧与避坑指南。同时,提供了通过SPI配置DDS芯片及利用Matlab生成任意波形的软件驱动方法,旨在帮助开发者打造一个覆盖10Hz至4200MHz的实用信号发生器。

weixin_36184718的博客 120

一文读懂资管系统里的“清算路径”:钱和券的“导航地图”

简单来说,清算路径就是给每一笔交易预设好的“导航路线”。钱从哪个银行账户出?通过哪家证券公司去买?用哪个股东账户去登记?买回来的股票记在谁的名下?“清算路径”就是把这一连串问题的答案提前配置好。它连接了银行托管户(钱的源头)、券商(交易的中介)和交易所(买卖的市场)。没有配好这条路,交易就无法闭环。清算路径是金融基础设施的缩影。资金如何安全地从银行流向市场;资产如何合法地归属到产品名下;交易数据如何在不同系统间流转。它是资管系统能够日复一日、准确无误地处理亿万级交易的基石。

m0_37607945的博客 235

Ray框架实战:如何用分布式训练加速你的AI模型(附BERT调参案例)

本文深入探讨了Ray框架在分布式AI训练中的实战应用,通过BERT调参案例展示了如何显著提升GPU利用率和训练效率。文章详细解析了Ray的动态资源调度、数据并行优化及智能调参策略,帮助开发者快速掌握分布式训练的核心技术,实现AI模型的高效加速。

weixin_30790841的博客 385

Comsol 基于局部谐振压电材料的可调水下低频吸声

它通过建立基于LRPM的水下吸声理论模型,从有效材料的角度分析可调吸声特性和吸声机理,进一步提高吸声性能。该研究发现,薄的LRPM层可以在目标低频范围内实现出色的吸声效果,而这个目标低频可以通过操纵谐振分流电路进行主动调谐。通过引入局部谐振压电超材料和可调谐的谐振分流电路,研究人员能够有效地控制水下低频吸声特性,并且在吸声带宽方面取得了显著的改进。通过利用薄的活性超材料层,LRPM在水声吸声方面展现出潜力,并且通过操纵谐振分流电路,可以实现对吸声特性的精细控制。

weixin_45382232的博客 786

ray基本知识介绍

Ray是一种,可以作为“AI计算引擎”,它把任意python通过极轻量的API变成可以在集群中任意节点上并行执行的计算任务,从而让单机python程序无缝扩展到成千上万CPU/GPU的大规模集群上。Ray的特殊在于它的底层运行状态是通用分布式运行时,上层才能构建面上AI的库(Ray train、ray server、ray tune、rllib等)。。

mozixiao__的博客 427

华为OD机试E卷 -猜字谜(Java & Python& JS & C++ & C )

小王设计了一个简单的猜字谜游戏,游戏的谜面是一个错误的单词,比如nesw,玩家需要猜出谜底库中正确的单词。猜中的要求如下:请你写一个程序帮忙在谜底库中找到正确的谜底。谜面是多个单词,都需要找到对应的谜底,如果找不到的话,返回”not found”

算法大师! 3487

UG\NX二次开发 判断对象是虚线还是实线

网友提问“怎么区分虚线实线”,这个可以通过函数判断。

王牌飞行员_里海的博客 357

Ray分布式胶水层:Python工程师的生产级调度实践指南

Ray 是一个面向 Python 生态的轻量级分布式运行时,其核心价值在于将单机脚本平滑扩展至集群——无需重写逻辑,仅通过 @ray.remote 等声明式装饰即可实现函数级分布式执行。它基于共享内存对象存储与 Actor 状态模型,提供确定性行为和低心智负担,显著降低 ML 工程落地中的摩擦损耗。在特征工程、超参搜索、实时服务等场景中,Ray Data 和 Ray Tune 等 AI Runtime 组件通过统一 ObjectRef 数据流消除格式墙,支撑 TB 级流水线与毫秒级在线推理。本文聚焦生产环境

HJ921004的博客 441

2026年数学建模国赛C题利器:层次分析法与主成分分析在统计建模中的应用

本文系统探讨了层次分析法(AHP)与主成分分析(PCA)在数学建模竞赛,特别是全国大学生数学建模竞赛C题中的联合应用策略。通过理论阐述、方法对比和案例实践,本文揭示了两种方法从“数据降维”到“决策评价”的完整分析链条,提出了“PCA+AHP”协同框架,并通过实际算例验证了该框架在解决复杂评价类问题中的有效性和优越性。研究表明,将PCA的客观降维能力与AHP的主观决策优势有机结合,能够显著提升统计建模的科学性、合理性和解释力,是应对日益复杂的竞赛题目的重要方法论工具。关键词:层次分析法;主成分分析;数学建模。

YOLO 41

Ray 分布式训练的多智能体路径规划强化学习踩坑记录

本文总结了使用Ray框架进行多智能体路径规划(MAPF)强化学习训练中的常见问题与解决方案。主要包含以下内容:1. 项目背景与架构:介绍MAPF问题的特点,Ray框架的优势,以及典型的Actor-Learner分布式架构。2. 环境设计陷阱:包括步进同步问题、智能体ID类型混淆、观测空间定义错误等。3. 模型构建问题:涉及设备与数据类型一致性、RNN隐藏状态传递、通信模块批处理等分布式推理特有的挑战。4. 分布式架构问题:包括经验回放池瓶颈、权重同步时延、Ray序列化限制等系统级问题。5. 训练稳定性与调试

油墨香^-^的博客 404

学Simulink--基于机器人与自动化系统的场景实例:六自由度机械臂的逆运动学控制仿真

摘要:本文详细介绍了在Simulink中实现六自由度机械臂逆运动学控制的仿真方法。通过构建包含机械臂模型、路径规划器、逆运动学求解器和控制器等模块的系统,利用MATLAB Robotics工具箱进行建模。文章逐步讲解了从模型创建、轨迹规划、逆运动学求解到控制器设计的完整流程,并提供了性能评估标准。该方法能有效验证逆运动学算法,优化机械臂控制策略,提高操作精度和效率,为机器人自动化系统开发提供实用参考。

xiaoheshang_123的博客 230

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

智能交通信号优化:基于杭州数据集的算法实践指南

本文详细介绍了基于杭州数据集的智能交通信号优化算法实践指南。通过数据清洗、强化学习框架设计和深度强化学习模型实现,构建动态优化信号灯配时的智能系统,显著提升交通效率。实测数据显示,智能控制使平均延误降低29.8%,通行量提升12.8%,为城市交通治理提供有效解决方案。

weixin_30300225的博客 509

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

基于MA-DQL的无人机通信网络优化实践

多智能体强化学习(MA-DQL)是分布式决策系统的重要技术,通过多个智能体的协同学习实现复杂环境下的最优策略。在无人机通信网络场景中,MA-DQL能有效解决多无人机协同覆盖优化问题,显著提升网络连接质量。PyTorch框架凭借其动态计算图特性,成为实现强化学习算法的理想选择。本文以大型活动保障和应急救援为典型应用场景,详细解析了基于MA-DQL的无人机基站部署方案,包括分布式训练架构设计、网络状态表示方法、以及实际部署中的延迟补偿等工程实践要点。

weixin_30616969的博客 372

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Ray实战指南:AI工程化落地的分布式运行时核心

AI工程化(Ai Engineering)是将机器学习模型从实验环境可靠、高效、可扩展地推向生产的关键范式。其核心挑战在于状态管理、低延迟通信与异构资源协同——这正是Ray作为AI原生分布式运行时的设计初衷。不同于批处理导向的Spark,Ray以Task/Actor/Object三原语构建轻量、弹性、内存感知的执行模型,天然适配LLM微调、实时推理、强化学习等典型AI负载。它通过零拷贝数据共享(Object)、有状态服务封装(Actor)和细粒度容错调度,显著提升GPU利用率与端到端稳定性。本文聚焦Ray在

weixin_33585822的博客 350

多智能体系统:从理论到实践的全面解析

本文全面解析了多智能体系统(MAS)从理论到实践的完整路径。文章阐述了MAS的核心概念,即多个自主智能体通过互动协作解决复杂任务,并深入探讨了智能体设计、通信机制等工程化思维。通过智能机器人集群、城市交通控制和柔性制造系统三大实战案例,展示了MAS在提升系统适应性、效率和鲁棒性方面的强大优势。最后提供了避坑指南和动手实践示例,帮助读者跨越从理论到应用的鸿沟。

weixin_29102619的博客 275

PPO算法在混合储能调度中的智能优化实践

深度强化学习(DRL)作为机器学习的重要分支,通过智能体与环境的持续交互实现策略优化。Proximal Policy Optimization(PPO)算法因其出色的稳定性和样本效率,成为DRL领域的主流方法。在能源管理系统中,PPO算法通过构建合理的状态空间和奖励函数,能够有效解决可再生能源消纳和储能调度等复杂决策问题。本文以电池储能系统(BESS)和碱性水电解制氢(AWE)组成的混合储能系统为应用场景,详细解析了PPO算法在电力调度中的工程实现。系统通过LSTM+Attention的混合预测模型处理风光

weixin_30621711的博客 294

数学建模实战方法论:题型解构、模型匹配与代码落地

数学建模本质是将现实问题转化为可计算的数学结构,其核心在于理解问题类型、识别适用模型并完成工程化实现。连续系统建模关注微分方程与优化约束,离散决策依赖组合优化与整数规划,数据驱动任务则需时序分析与特征工程。技术价值体现在快速题干解构、模型边界判断与鲁棒性补全策略——如用Weibull分布补全风速、GNN修复缺失字段、Informer适配长周期预测。典型应用场景覆盖能源调度、多智能体协同、城市客流预测等工程问题。本文聚焦亚太杯A/B/C三类真题的闭环工作流,强调从变量提取、Pyomo建模、Ray RLlib训

weixin_33862993的博客 421
上一篇: ray.rllib-入门实践-8: 模型推断与评估
下一篇: ray.rllib-入门实践-10:自定义环境
wzg2016
博客等级 码龄10年 539粉丝 493原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值