m0_51662391的博客

智能体agent在一系列的时间步骤上与环境交互，在每个特定时间点agent从环境接受一些观察observation，并选择一个动作action，然后通过某种机制（执行器）将其传回环境中，最后agent从环境中得到奖励reward。通常基于基本方法：梯度下降(gradient desecent)——在每一个步骤中都会检查每一个参数，看看如果只对这个参数进行微小改动，训练集损失会朝哪个方向移动，然后他在可以减少损失的方向上优化参数。当没有状态，只有一组最初未知回报的可用动作时，这个问题就是经典的。

神经网络是深度学习前身第一部分包括基础知识和预备知识。1节提供深度学习的入门课程。然后在2节中，我们将快速介绍实践深度学习所需的前提条件，例如如何存储和处理数据，以及如何应用基于线性代数、微积分和概率基本概念的各种数值运算。3节和4节涵盖了深度学习的最基本概念和技术，例如线性回归、多层感知机和正则化。接下来的五章集中讨论现代深度学习技术。5节描述了深度学习计算的各种关键组件，并为我们随后实现更复杂的模型奠定了基础。接下来，在6节和7节。