AI_future的博客

博客知乎

隐马尔科夫模型一(概念理解)隐马尔可夫模型二(公式推导)

tf2.0以上版本的，开始加两行import tensorflow.compat.v1 as tftf.disable_v2_behavior()

1.Anaconda prompt中创建 python3.6 版本的TensorFlow环境：conda create -n tensorflow python=3.62.activate tensorflow3.pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.0.0-rc # 使用清华园镜像 飞快!4.测试：import tensorflow as tf...

1.env.render()函数用于渲染出当前的智能体以及环境的状态。2.env.reset()为重新初始化函数3.observation_, reward, done = env.step(action)第一个为当前屏幕图像的像素值，经过彩色转灰度、缩放等变换最终送入我们上一篇文章中介绍的 CNN 中，得到下一步“行为”；第二个值为奖励，每当游戏得分增加时，该返回值会有一个正反馈；第三个值 gameover 为布尔值，如果游戏结束，返回 True；...

Sarsa：在S2状态直接选择值。

model-free RL（依靠真实世界的反馈）：1.Q learning2.Sarsa3.Policy Gradientsmodel-based RL（可以在想象中模拟）：1.Q learning2.Sarsa3.Policy Gradientspolicy-based RL(基于概率)：不一定选择最高概率1.Policy Gradientsvalue-based RL：一定选择最大价值，连续的动作无法用基于价值1.Q learning2.Sarsaactor-critic：两种