Warship_的博客

一、PPO代码选用的是如下repo中的PPO代码：https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow/tree/master/contents/二、网络结构1.网络变量项目中的网络输入针对的是向量，但AI2THOR环境下的观测状态及神经网络需要的输入是一个三维张量，因此需要修改项目中的网路结构，S为[None, 84, 84, 3]，Q_tar为[None, 1]，Q_eval为[None, 1]，pi

一、PPO

一、Deep Deterministic Policy Gradient

一、马尔科夫决策过程

一、Actor Critic算法

1、Policy Gradient算法

1、DQN算法

一、Q-learning1.Q-learning算法2.Q-learning 动作策略——E-greedy3.Q-learning评估策略——greedy不需要用到a’，直接取Q表中s’所对应q值最大的二、Sarsa1.Sarsa算法2.Sarsa 动作策略——E-greedy3.Sarsa评估策略——E-greedy在s’下，根...

1.multiprocessing多进程Pipe进程间通信https://blog.youkuaiyun.com/brucewong0516/article/details/857960732.INVALIDARGUMENTERROR (SEE ABOVE FOR TRACEBACK): ASSIGN REQUIRES SHAPES OF BOTH TENSORS TO MATCH. LHS SHAP...