<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[云玩家]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_42579187</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_42579187]]></copyright><item><title><![CDATA[GAE 算法]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/107820161</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/107820161</guid><author>qq_42579187</author><pubDate>Wed, 05 Aug 2020 17:09:47 +0800</pubDate><description><![CDATA[欢迎来我的博客查看原文章! https://yunist.cn/ML/RL/primer/GAE/
准备
众所周知, 策略梯度有多种写法, 总的来说, 在保持策略梯度不变的情况下, 策略梯度可以写作
g=E[∑t=0∞Ψt∇θlog⁡π0(at∣st)](1)
g=\mathbb{E}\left[\sum_{t=0}^{\infty}\Psi_t\nabla_\theta \log\pi_0(a_t\mid s_t)\right]\tag{1}
g=E[t=0∑∞​Ψt​∇θ​logπ0​(at​∣st​)]]></description><category></category></item><item><title><![CDATA[Intro to Policy Optimization 代码详解]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/106956274</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/106956274</guid><author>qq_42579187</author><pubDate>Thu, 25 Jun 2020 11:20:51 +0800</pubDate><description><![CDATA[本篇文章是 OpenAI Spinnging Up 中 Part 3: Intro to Policy Optimization 中代码的学习笔记, 原文在 https://spinningup.openai.com/en/latest/spinningup/rl_intro3.html , 代码在 https://github.com/openai/spinningup/blob/master/spinup/examples/pytorch/pg_math/1_simple_pg.py .
先给出代码
i]]></description><category></category></item><item><title><![CDATA[行列式几何意义的证明]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/106444558</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/106444558</guid><author>qq_42579187</author><pubDate>Sat, 30 May 2020 17:48:35 +0800</pubDate><description><![CDATA[行列式具有良好的性质, 通常它是线性代数中较为基本的内容. 而行列式有非常直观的几何性质, 其绝对值是以矩阵中的向量为棱的在标准正交基下的平行四边形 (六面体) 的体积, 当维数超过三维时, 有类似的结果, 我们可以称其为 “广义平行六面体” 的体积. 我们给出广义平行六面体体积的一个递归定义. 设 AAA 为 n×nn\times nn×n 矩阵, 其中第 kkk 行向量 LLL 即为广义平行六面体 VVV 的一个棱,
[⋮Lk⋮]
\newcommand\xrule{\rule[.5ex]{2em}{.]]></description><category></category></item><item><title><![CDATA[Hexo 魔改主题 butterfly]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105983915</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105983915</guid><author>qq_42579187</author><pubDate>Thu, 07 May 2020 22:56:08 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.clouder.im
所有魔改均可取消! 配置默认不开启, 因此可以平滑换到魔改 butterfly 主题.
首先推介 butterfly 文档, 这里只介绍魔改部分的配置. 这里的示例仅为合法示例, 即你填了该示例不一定能正确显示, 仅供参考.
魔改主题 Github 地址
使用主题 &amp; 平滑更换
下载并配置
进入主题目录, 下载主...]]></description><category></category></item><item><title><![CDATA[解决 Hexo 配置 Valine 报错问题]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105902739</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105902739</guid><author>qq_42579187</author><pubDate>Sun, 03 May 2020 13:43:12 +0800</pubDate><description><![CDATA[mathjax: false
date: 2020-03-02 10:41:39
title: 解决 Hexo 配置 Valine 报错问题
tags:

Hexo
搭建站点
问题
Valine
categories:
[Hexo]
cover: problem_in_Valine.jpg


解决报错:

Code: undefined [410 GET https://avoscloud.c...]]></description><category></category></item><item><title><![CDATA[仅引入 js 实现博客 cdn 加速]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105831977</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105831977</guid><author>qq_42579187</author><pubDate>Wed, 29 Apr 2020 09:16:42 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
前提
博客 cdn 加速网上有很多的教程, 其中免备案, 最好用的就是 Jsdelivr 了, 我也写过一篇用 Jsdelivr 加速的文章, 但是似乎很多人一开始都看不懂如何用 Jsdelivr 加速… 这篇文章的原理也是基于 Jsdelivr 加速博文图片, 但是保留了原来的相对路径. 并且能够仅引入一个 js...]]></description><category></category></item><item><title><![CDATA[读懂西瓜书 16 : 强化学习]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105753032</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105753032</guid><author>qq_42579187</author><pubDate>Sat, 25 Apr 2020 17:19:57 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
K-摇臂赌博机
探索与利用
探索与利用总是矛盾的, 要使奖赏最大, 就要在探索与利用之间做好权衡.
ϵ-贪心
以 ϵ\epsilonϵ 的概率进行探索, 以 1−ϵ1-\epsilon1−ϵ 的概率进行利用.
增量式计算
令 Q(k)Q(k)Q(k) 记录摇臂 kkk 的平均奖赏. 若摇臂 kkk 被尝试了 nnn...]]></description><category></category></item><item><title><![CDATA[LDA 详解]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105716182</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105716182</guid><author>qq_42579187</author><pubDate>Thu, 23 Apr 2020 20:15:42 +0800</pubDate><description><![CDATA[先验知识
Gamma 函数

Gamma 函数详解

Beta/Dirichlet 分布与共轭

Beta 函数, Beta 分布详解

MCMC, 吉布斯采样
这块资料暂时自己去找, 等我有空写了 MCMC\rm{MCMC}MCMC 的教程再补上.
LDA 介绍
构成
LDA(LatentDirichletAllocation)\rm{LDA (Latent Dirichlet Allocati...]]></description><category></category></item><item><title><![CDATA[解决 Hexo 本地搜索 search.xml 文件加载太慢]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105596556</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105596556</guid><author>qq_42579187</author><pubDate>Sat, 18 Apr 2020 12:19:34 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
问题
由于不想使用第三方, 我使用了本地搜索. 但是本地搜索带来的一个问题是, search.xml 太大了, 加载速度缓慢. 如果我们使用外链 , 就可以解决这个问题.
解决
打开主题下的 local-search.js 文件 (不同主题的位置会不同, 但是一般都在 source/js 这种文件夹里) , 找到如...]]></description><category></category></item><item><title><![CDATA[Butterfly 主题魔改记录]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105572236</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105572236</guid><author>qq_42579187</author><pubDate>Fri, 17 Apr 2020 08:35:37 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
记录下我对 Butterfly 主题的魔改, 一方面可供参考, 另一方面可以记录下自己的修改方便查找.
post 文章侧边栏去掉滚动条
文章有标题时, 左边就会出现侧边栏, 而侧边栏的滚动条实在是不太美观, 于是隐藏掉.
进入 layout/includes/sidebar.pug 看到以下内容
      if ...]]></description><category></category></item><item><title><![CDATA[hexo d 命令后 github 无法更新问题]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105308377</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105308377</guid><author>qq_42579187</author><pubDate>Sat, 04 Apr 2020 12:21:36 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
问题
hexo d 后查看仓库, 发现根本没有更新, 仔细观察 shell 的输出, 还会看到如下报错
Branch master set up to track remote branch master from git@github.com:xxxx/xxxx.github.io.git.

其中 xxxx 是...]]></description><category></category></item><item><title><![CDATA[读懂西瓜书 14 : 概率图模型]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/105290605</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/105290605</guid><author>qq_42579187</author><pubDate>Fri, 03 Apr 2020 12:47:40 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.zplayer.cloud
马尔可夫性
本章最重要的概念就是马尔可夫性. 马尔可夫性是指变量的状态只与其前一个时刻的状态有关, 而与其他的状态无关, 称为 “无后效性” . 这里可以作一个拓展, 即指变量的状态只与其周围的变量状态有关, 这里的 ‘周围’ 既可以是时间也可以是空间.
隐马尔可夫模型
隐马尔可夫模型包括两条链, 一条是由可观测的...]]></description><category></category></item><item><title><![CDATA[史上最全的 Hexo 博客搭建配置完全指南]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104760516</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104760516</guid><author>qq_42579187</author><pubDate>Mon, 09 Mar 2020 20:32:36 +0800</pubDate><description><![CDATA[欢迎到我的博客查看最新文章: https://blog.cloudplayer.site
本篇博客基于 Centos 7.x root 用户.
　　最近利用 Hexo + Github Pages 搭建了一个博客, 总体来说比较满意, 中间也踩了不少坑. 于是将我的配置过程全部记录下来, 就有了这篇博文.
　　关于 Hexo 搭建配置的博文网上还是挺多的, 但是零零散散, 这篇博文就当成是一个大合...]]></description><category></category></item><item><title><![CDATA[numpy 中判断某字符串 array 是否含有子字符串]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104366675</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104366675</guid><author>qq_42579187</author><pubDate>Mon, 17 Feb 2020 22:41:09 +0800</pubDate><description><![CDATA[网上找了一大圈没找到, 还有好多错的…
numpy.char.count(a, sub, start=0, end=None)

该函数是用来计数 sub 在 a 中出现多少次, 我们稍加修改就能达到我们要的效果.
numpy.char.count(a, sub, start=0, end=None) != 0

函数的具体介绍看官方文档.
举例:
import numpy as np
a = n...]]></description><category></category></item><item><title><![CDATA[jupyter 公式渲染问题]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104102493</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104102493</guid><author>qq_42579187</author><pubDate>Tue, 28 Jan 2020 21:02:39 +0800</pubDate><description><![CDATA[jupyterlab\mathrm{jupyter lab}jupyterlab 中的公式有时候很丑, 想要变得好看一点, 于是找到了 jupyter\mathrm{jupyter}jupyter 中的一个插件解决该问题. 具体怎么装看官方文档. 开启插件后搜索 katex−extension\mathrm{katex-extension}katex−extension 装上, 然后等一会它会告诉...]]></description><category></category></item><item><title><![CDATA[百度 AI Studio 的 notebook 字体问题]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104088281</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104088281</guid><author>qq_42579187</author><pubDate>Sun, 26 Jan 2020 17:13:34 +0800</pubDate><description><![CDATA[在用百度 AIStudio\mathrm{AI Studio}AIStudio 中的 notebook\mathrm{notebook}notebook 时, 发现光标会偏移, 有时字体也很难看, 浏览器怎么设置都没有用, 例如下图就是光标偏移.

　　然后发现了一个很好用的插件可以解决问题: Stylus\mathrm{Stylus}Stylus (怎么下载安装自己百度)
就这玩意

　　编写样...]]></description><category></category></item><item><title><![CDATA[《机器学习》西瓜书习题 第 4 章]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104088027</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104088027</guid><author>qq_42579187</author><pubDate>Sun, 26 Jan 2020 16:31:04 +0800</pubDate><description><![CDATA[习题
4.1
试证明对于不含冲突数据 (即特征向量完全相同但标记不同) 的训练集, 必存在与训练集一致 (即训练误差为 0)的决策树.
　　既然每个标记不同的数据特征向量都不同, 只要树的每一条 (从根解点到一个叶节点算一条) 枝干代表一种向量, 这个决策树就与训练集一致.
4.2
试析使用 “最小训练误差” 作为决策树划分选择准则的缺陷.
　　4.14.14.1 说明了如果数据不冲突, 可以完全...]]></description><category></category></item><item><title><![CDATA[《机器学习》西瓜书习题 第 3 章]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104088018</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104088018</guid><author>qq_42579187</author><pubDate>Sun, 26 Jan 2020 16:30:18 +0800</pubDate><description><![CDATA[习题
3.1
试析在什么情况下式 (3.2)(3.2)(3.2) 中不必考虑偏置项 bbb .
　　书中有提到, 可以把 xxx 和 bbb 吸收入向量形式 w^=(w;b)\hat{w} = (w;b)w^=(w;b) .此时就不用单独考虑 bbb 了.
　　其实还有很多情况不用, 比如说使用了 one−hot\mathrm{one-hot}one−hot 编码, 就可以不用考虑偏置项.
　　更...]]></description><category></category></item><item><title><![CDATA[《机器学习》 西瓜书习题 第 2 章]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104088006</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104088006</guid><author>qq_42579187</author><pubDate>Sun, 26 Jan 2020 16:29:34 +0800</pubDate><description><![CDATA[#习题
2.1
数据集包含 100010001000 个样本, 其中 500500500 个正例、500500500 个反例, 将其划分为包含 70%70\%70% 样本的训练集和 30%30\%30% 样本的测试集用于留出法评估, 试估算共有多少种划分方式.
如果划分要保证正例和反例一样多的话, 那么划分方式数量 nnn 有
n=C500500×35%×C500500×35%=(C500175)...]]></description><category></category></item><item><title><![CDATA[《机器学习》西瓜书习题 第 1 章]]></title><link>https://blog.youkuaiyun.com/qq_42579187/article/details/104087994</link><guid>https://blog.youkuaiyun.com/qq_42579187/article/details/104087994</guid><author>qq_42579187</author><pubDate>Sun, 26 Jan 2020 16:28:46 +0800</pubDate><description><![CDATA[#习题
1.1
表 1.11.11.1 中若只包含编号为 111 和 444 的两个样例, 试给出相应的版本空间.
这应该不难理解吧，直接上表格.




编号
色泽
根蒂
敲声
好瓜




111
青绿
蜷缩
浊响
是


444
乌黑
稍蜷
沉闷
否


1.2
与使用单个合取式来进行假设表示相比, 使用 “析合范式” 将使得假设空间具有更强的表示能力. 例如好瓜↔((色泽=∗)∧(根蒂=蜷...]]></description><category></category></item></channel></rss>