m0_65532100的博客

可以配置多个pycharm解释器

文章目录前言一、来源？1. DQN的缺陷二、使用步骤1.引入库2.读入数据总结前言策略梯度(Policy Gradient, PG)的通俗介绍。一、来源？1. DQN的缺陷深度学习是监督学习，需要有标签数据来计算损失函数，通过梯度下降和误差反向传播来更新神经网络的参数，那在强化学习中如何获得标签呢？Rt+1+γmax⁡aQ(St+1,a;θ) R_{t+1}+\gamma \underset{a}{\max}Q\left( S_{t+1},a;\theta \right) Rt+1​+γ

文章目录前言一、pytorch是什么？二、使用步骤1.引入库2.构建基本数据总结前言pytorch调用GPU一、pytorch是什么？通俗的讲，里面包括众多深度学习模块，简单使用过后就入门了。二、使用步骤1.引入库代码如下（示例）：import torch# todo 判断GPU是否可用use_gpu = torch.cuda.is_available()2.构建基本数据包括一些训练集，分别用trX和trY表示，模型用model表示trX = torch.Tensor([