m0_53883779-优快云博客

原创【论文阅读】Asynchronous Methods for Deep Reinforcement Learning

（1）优势：异步并行：多线程探索覆盖环境的不同区域，数据多样性替代了经验回放。优势函数：通过Critic的价值评估，策略更新更稳定，方差更低。熵正则化：平衡探索与利用，避免策略过早僵化。（2）局限性：数据效率仍低于经验回放方法（如DQN）。未来可结合分布式计算框架（如多机训练）或改进优势估计方法（如GAE）。

2025-05-28 15:31:44 1096 1

原创【论文阅读】Playing Atari with Deep Reinforcement Learning（自用）

使用经验回放和目标网络的训练机制，首次实现从像素到动作的端到端强化学习，推动深度RL发展；但也有长时序任务（如Q*bert需长期规划）表现不及人类，奖励裁剪可能影响策略优化，计算成本高等缺点。

2025-05-08 13:22:48 1623 2

翻译 Spinning Up in Deep RL学习记录（一）（自用）

强化学习（RL）研究智能体（agent ）如何通过试错进行学习，它将奖励或惩罚智能体的行为这一想法形式化，使其在未来更有可能重复或避免这种行为。强化学习的主要角色是智能体和环境。环境是智能体生存并交互的世界。在每次交互时，智能体观察世界状态（可能是部分观察），然后决定采取的行动。当智能体对环境采取行动时，环境会发生变化，也可能自行变化。智能体还会从环境中感知奖励（reward ）信号，该信号以数值形式表明当前世界状态的优劣。智能体的目标是最大化其累积奖励，即回报（return ）。

2025-05-06 23:20:37 991

原创下载网址存储

暂存，日后会更新。open-cv的whl文件下载网址：Links for opencv-contrib-python (aliyun.com)

2024-01-30 15:22:30 644 1

原创 Windows环境下CUDA及cuDNN安装及卸载记录

nvidia-smi得到合适的安装版本，来到官网选择对应版本。注意只可选择同版本或者低版本。

2024-01-19 18:11:37 6417 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【论文阅读】Asynchronous Methods for Deep Reinforcement Learning

原创 【论文阅读】Playing Atari with Deep Reinforcement Learning（自用）

翻译 Spinning Up in Deep RL学习记录（一）（自用）

原创 下载网址存储

原创 Windows环境下CUDA及cuDNN安装及卸载记录

空空如也

空空如也

原创【论文阅读】Asynchronous Methods for Deep Reinforcement Learning

原创【论文阅读】Playing Atari with Deep Reinforcement Learning（自用）

原创下载网址存储