(强化学习)DQN实战CartPole游戏

强化学习算法 DQN 解决 CartPole 问题,代码逐条详解 本文内容源自百度强化学习 7 日入门课程学习整理 感谢百度 PARL 团队李科浇老师的课程讲解 强化学习算法 DQN 解决 CartPole 问题,移动小车使得车上的摆杆保持直立。 这个游戏环境可以说是强化学习中的 “Hello World” 大部分的算法都可以先利用这个环境来测试下是否可以收敛 环境介绍: 小车在一个导轨上,无摩擦地来回移动,车上有一根杆子,可以绕着小车上的一个点旋转,所以我们要做的是,通过推动小车往左或者往右,来确保杆子不倒 终止条件: 杆子角度大于 +/-12度 车. 阅读详情

本文介绍强化学习中的一个经典算法——DQN(deep Q network),它于2013年在论文《Playing Atari with Deep Reinforcement Learning》中首次出现,2015年,一篇发表在Nature的论文《Human-level control through deep reinforcement learning》又一次向人们证实了它在游戏中超出人类的表现,下面是对它的简单介绍和代码实现。

算法

DQN是一种Value-Based的方法,即根据动作产生的价值来决定选择哪个动作。它是将深度神经网络和Q-learing相结合,克服Q-learing在面对状态空间很大时效率变得很低得问题,DQN其实是用一种近似的方式来求Q函数,即用神经网络来近似。
其算法如下图:
在这里插入图片描述

DQN与Q-learning的一个区别是采用了经验回放(Experience Replay),即从过去的经验中学习,就像人从记忆中学习那样。由于强化学习是序列决策问题,序列数据前一个状态直接影响后一个状态,因此其数据集并不服从独立同分布的特性,为解决这个问题。采用了经验回放的方法:引入经验池(replay-buffer),在游戏过程中,将探索环境得到的数据先存储起来,然后再随机采样,可以降低了这种序列数据之间的相关性,同时,经验回放还使得样本可重用,从而提高学习效率

Agent在每一步采取action的策略为ε-greedy,即每个状态有ε的概率进行探索,采取随机动作,1-ε的概率根据Q值采取最优动作(选取当前状态下获得Q值最大的那个动作)

上图算法中,γ为折扣因子(discount factor),取值在0到1之间,表明了未来的回报相对于当前回报的重要程度,γ取0时,相当于只考虑立即回报不考虑长期回报,γ为1时,将长期回报和立即回报看得同等重要。

在训练的时候,DQN中有两个结构一样的Q网络,这里一个我们称它为Q,它是用来和环境做互动的网络,并且在互动中产生训练所需的数据,另一个叫Q_target,是我们最后想要学习到的目标网络,两个网络的区别在于参数更新频率不同,Q网络的参数在训练过程中不断在更新,而Q_target网络的参数在固定的时间用Q的参数来更新。其过程为:Q和环境做互动,产生经验数据,存入经验池(Replay-buffer)中,然后从经验池中随机抽样batch个经验,当前时刻的回报和下一状态的Q价值估计(选择所有action中得到的最大的那个Q价值)相加作为了目标价值,即为算法中的y,y类似于监督学习中的标签,通过y值来优化更新Q网络中的参数,每隔一定的步数,将Q中的参数复制到Q_target中,不断的这样循环直到训练结束。

之所以需要两个这样的网络是因为,两个网络可以实现将其中一个网络固定住,即Q_target,使得计算出的标签y是固定的,有利于对Q的优化,让Q去逼近y值;而如果只有一个Q网络,目标Q和评估用的Q是同一个,那么会导致标签的y值变化,导致训练不稳定。
在这里插入图片描述

实践

使用DQN玩一个OPENAI的gym中的CartPole游戏。
Cartpole游戏如下图所示,有一个一维方向的底座可以左右滑动,正中心有一个通过铰链链接的直杆,直杆可以左右摆动,agent通过左右移动底座使得杆子能够保持直立而不倒下。
在这里插入图片描述

代码如下:
导入gym库,没有安装的需要pip install gym来安装,设置模型超参数如下,可按自己需求更改。

# -*- coding: utf-8 -*-
import tensorflow as tf
import gym
import numpy as np
import random as ran

#设置实验的环境
env = gym.make('CartPole-v0')

#经验池
REPLAY_MEMORY = []
#批次大小
MINIBATCH = 50
#输入,即为某个时刻的环境状态
INPUT = env.observation_space.shape[0]
#输出,这个环境中即为左右两个动作
OUTPUT = env.action_space.n
#优化算法中的学习率
LEARNING_LATE = 0.001
#折扣因子
DISCOUNT = 0.99
#保存模型的路径
model_path= "./save/model.ckpt"
x = tf.placeholder(dtype=tf.float32, shape=(None, INPUT), name='x')
y = tf.placeholder(dtype=tf.float32, shape=(None, OUTPUT), name='y')

设置Q网络,网络为3层全连接神经网络。

# 与环境互动的Q网络
with tf.variable_scope('eval_net'):

    W1 = tf.get_variable('W1', shape=[INPUT, 200], initializer=tf.contrib.layers.xavier_initializer())
    W2 = tf.get_variable('W2', shape=[200, 200], initializer=tf.contrib.layers.xavier_initializer())
    W3 = tf.get_variable('W3', shape=[200, OUTPUT], initializer=tf.contrib.layers.xavier_initializer())

    b1 = tf.Variable(tf.zeros([1], dtype=tf.float32))
    b2 = tf.Variable(tf.zeros([1], dtype=tf.float32))

    L1 = tf.nn.relu(tf.matmul(x, W1) + b1)
    L2 = tf.nn.relu(tf.matmul(L1, W2) + b2)
    Q_pre = tf.matmul(L2, W3)

# 目标Q网络,与评估用的Q网络结构一致
with tf.variable_scope('target_net'):

    W1_r = tf.get_variable('W1_r', shape=[INPUT, 200])
    W2_r = tf.get_variable('W2_r', shape=[200, 200])
    W3_r = tf.get_variable('W3_r', shape=[200, OUTPUT])

    b1_r = tf.Variable(tf.zeros([1], dtype=tf.float32))
    b2_r = tf.Variable(tf.zeros([1], dtype=tf.float32))

    L1_r = tf.nn.relu(tf.matmul(x, W1_r) + b1_r)
    L2_r = tf.nn.relu(tf.matmul(L1_r, W2_r) + b2_r)
    Q_pre_r = tf.matmul(L2_r, W3_r)

学习的过程,也是DQN算法的过程。
训练神经网络的参数直到最近200次的平均reward大于195停止循环,此时认为训练的agent已经在游戏上具备了较高的水平,因为每执行一个动作(向左或者向右移动小车或者保持不变)只要直杆没有倒下,将得到大小为1的reward,平均reward大于195说明训练的agent在此游戏上已经有了很高的水平。

在每次episode中收集经验并存入经验池,每个episode训练到小车的直杆倒下(倒下为终止状态)为止,如果小车的杆子一直没有倒下则训练到一个episode中允许的最大步数为止。

每隔10个episode按照实验原理给出的算法流程,从经验池中采样数据来计算y,并用y来训练更新深度Q网络的参数,并且每隔10个episode用深度Q网络目前的参数更新目标Q网络的参数。

训练完成后保存模型


recent_rlist = [0]
episode = 0

#损失函数和优化函数
cost = tf.reduce_sum(tf.square(y - Q_pre))
optimizer = tf.train.AdamOptimizer(LEARNING_LATE, epsilon=0.01)
train = optimizer.minimize(cost)

#更新目标Q网络的参数
t_params = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='target_net')
e_params = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='eval_net')
replace_target_para = [tf.assign(t, e) for t, e in zip(t_params, e_params)]
#学习过程
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    
    sess.run(replace_target_para)

    while np.mean(recent_rlist) < 195:
        episode += 1
        #每个episode都要将环境恢复初始状态
        s = env.reset()
        #超过200 episode时,用最新的reward更新列表
        if len(recent_rlist) > 200:
            del recent_rlist[0]
        # e-greedy
        e = 1. / ((episode / 25) + 1)

        rall = 0  # reward_all
        d = False  #杆子是否倒下,即回合结束
        count = 0 #一个episode里训练的步数

        while not d and count < env.spec.max_episode_steps:

            # env.render()
            count += 1

            # 环境状态塑形为一行,
            s = np.reshape(s, [1, INPUT])

            Q = sess.run(Q_pre, feed_dict={x: s})

            if e > np.random.rand(1):
                a = env.action_space.sample()
            else:
                a = np.argmax(Q)

            s1, r, d, _ = env.step(a)
            #填充经验池
            REPLAY_MEMORY.append([s, a, r, s1, d])

            #经验池数量超过50000则更新
            if len(REPLAY_MEMORY) > 50000:
                del REPLAY_MEMORY[0]

            rall += r

            s = s1
        #每10个episode更新目标Q函数的参数
        if episode % 10 == 1 and len(REPLAY_MEMORY) > 50:

            for sample in ran.sample(REPLAY_MEMORY, MINIBATCH):
                s_r, a_r, r_r, s1_r, d_r = sample

                Q = sess.run(Q_pre, feed_dict={x: s_r})

                if d_r:
                   Q[0, a_r] = r_r
                else:
                    s1_r = np.reshape(s1_r, [1, INPUT])
                    Q1 = sess.run(Q_pre_r, feed_dict={x: s1_r})
                    Q[0, a_r] = r_r + DISCOUNT * np.max(Q1)
					
                _, loss = sess.run([train, cost], feed_dict={x: s_r, y: Q})

            sess.run(replace_target_para)
            
            print('loss:{} '.format(loss))

        recent_rlist.append(rall)

        print("Episode%d: reward:%.2f recent reward:%.4f" %(episode, rall,np.mean(recent_rlist)))
    #保存模型
    saver = tf.train.Saver()
    save_path = saver.save(sess, model_path)
    print("Model saved in file: ", save_path)

训练好了之后,对训练好的模型进行测试,这里让agent玩100个episode,从刚才保存参数的地址恢复神经网络的参数,运行Q网络,并输出Q网络获得的reward值。

rlist = []

with tf.Session() as sess:
    ckpt = tf.train.get_checkpoint_state('./save/') #检查是否有预训练的模型
    if ckpt:
        #恢复模型
        sess.run(tf.global_variables_initializer())
        saver = tf.train.import_meta_graph('./save/model.ckpt.meta')
        saver.restore(sess, './save/model.ckpt')
        graph = tf.get_default_graph()
        x = graph.get_tensor_by_name('x:0')

        print("Model restored form file: ", model_path)
        for episode in range(100):
            s = env.reset()
            rall = 0
            d = False
            count = 0

            while not d:
                env.render()
                count += 1
                s_t = np.reshape(s, [1, INPUT])
                Q = sess.run(Q_pre, feed_dict={x: s_t})
                a = np.argmax(Q)
                s, r, d, _ = env.step(a)
                rall += r

            rlist.append(rall)

            print("Episode%d: steps: %d Reward=%.2f Averge_Reward=%.4f"%(episode+1, count, rall,
                                                                            np.mean(rlist)))
    else:
        print('No checkpoint file found.')

可以看到结果基本达到得分的预期。
在这里插入图片描述

强化学习笔记1——DQN实现CartPole小游戏(代码分析) state:状态观测值有四个,就是小车的位置,即小车的位置,速度,倾斜角度和角度的变化速度。当位置和角度倾斜超出范围,则环境终止。这里返回一个{ndarray{4,}}的类型,分别代表小车的位置,速度,角度,和角度变化率。action:环境的动作是一维的,能取两个值0和1。取0代表把小车往左移动,取1代表把小车往右边移动。env.step(action)表示执行动作,函数会返回下一个状态st+1,奖励值reward,以及环境终止符done。 阅读详情

相关推荐

DQN实战CartPole

这篇博文要讲解的是利用DQN来做CartPole任务 回报的定义: 我们知道,给定一个状态sss,agent根据策略π(a∣s)\pi(a|s)π(a∣s)做出行为aaa,得到的奖励是rrr,然后环境根据状态转移概率P(s′∣s)P(s'|s)P(s′∣s)转移到新的状态s′s's′. 强化学习中更多时候关注的是给定某一个状态StS_tSt​,它的累计奖励,也叫“回报”或者“收获”,用英文return表示。 定义给定状态StS_tSt​下的回报: Gt=Rt+γRt+1+γ2Rt+2+⋯ G_t=R_t+

xhsun的博客 1295

DQN玩cartpole游戏

import gym import torch import torch.nn as nn import torch.optim as optim import random import pygame import sys from collections import deque # 定义DQN模型 class DQN(nn.Module): def __init__(self)...

高颜值的杀生丸(此博客转载自我的博客园) 473

机器学习算法实战系列:强化学习从入门到精通——从Q-learning到深度强化学习

*"强化学习正在创造能够自主学习和决策的AI系统。

资深全栈架构师,乐于在 优快云 分享技术见解,与大家携手共进,共攀技术巅峰! 1089

基于DQN的CartPole实战

文章目录前言任务Replay MemoryQ-network输入提取training超参数和实用工具trainning loop 前言 本博文展示了如何使用PyTorch在OpenAI Gym的CartPole-v0任务上训练一个深度Q学习(DQN)代理。 任务 智能体必须在两种行动中做出选择——向左或向右移动小车——这样贴到车上的柱子才能保持直立。你可以在Gym网站上找到带有各种算法和可视化的官方排行榜。 当代理观察环境的当前状态并选择一个操作时,环境将转换为一个新状态,并返回一个指示操作结果的奖励。在

如果想成为中心,那么就到中心去吧。 1140

数据科学中的强化学习:游戏AI大数据训练

数据科学中的强化学习,特别是在游戏AI领域的应用,是一场关于大数据算法和算力的完美融合。从DQN的经验回放池到AlphaStar的分布式架构,我们看到了如何通过精巧的工程设计和算法创新,将智能体与环境交互产生的海量数据转化为强大的决策能力。游戏是强化学习的“理想健身房”,但它的影响远不止于此。这些在游戏中磨练出的技术,正在加速向机器人控制金融交易推荐系统自动驾驶等现实世界领域迁移。理解游戏AI的大数据训练原理,不仅是解锁虚拟世界智能的钥匙,更是我们迈向更通用人工智能的重要一步。

Java大师兄的博客 514

基于深度强化学习的游戏AI实战:从DQN到PPO

本文通过一个完整的实战案例,展示了如何使用DQN和PPO训练游戏AI。我们详细介绍了环境初始化、模型定义、训练和可视化的步骤,并提供了可运行的代码。希望本文能为读者在实际项目中应用深度强化学习提供实用的指导和启发。

Programming Talk 579

强化学习 DQN 实战GYM下的CartPole游戏

代码和解释 安装依赖 !pip uninstall -y parl # 说明:AIStudio预装的parl版本太老,容易跟其他库产生兼容性冲突,建议先卸载 !pip uninstall -y pandas scikit-learn # 提示:在AIStudio中卸载这两个库再import parl可避免warning提示,不卸载也不影响parl的使用 !pip install gym !pip install paddlepaddle==1.6.3 !pip install parl==1.3.1

Xurui_Luo的博客 1558

强化学习入门:从Q-learning到Deep Q Network_副本

强化学习(Reinforcement Learning, RL)是人工智能的一个重要分支,核心思想是"从试错中学习"——就像小孩学走路,通过不断尝试(迈脚)、接收反馈(摔倒/站稳),最终学会稳定行走。帮新手建立强化学习的核心认知框架(智能体、环境、状态、动作、奖励);掌握Q-learning(最经典的强化学习算法)的原理与实现;理解DQN(深度强化学习的里程碑算法)如何解决Q-learning的局限性;通过实战案例(代码+游戏)感受强化学习的应用价值。

大模型应用工坊 980

如何将Gemma4多模态模型导出到OpenVINO:tiny-random-gemma4部署完整教程

**Gemma4 多模态模型导出到 OpenVINO** 并不需要一块昂贵的 GPU——本项目 `tiny-random-gemma4` 就是一个仅数千参数的微型 Gemma4 测试模型(文本 + 视觉 + 音频三模态),专门用来低成本地跑通「生成 → 导出 → 推理验证」的完整链路。下面用 4 个步骤,带你快速完成 Gemma4 到 OpenVINO 的导出部署。 ## 一、认识 tiny-r

gitblog_00266的博客 321

开发具有深度强化学习能力的AI Agent

开发具有深度强化学习能力的AI Agent旨在让智能体能够在复杂的环境中自主学习最优策略,以实现特定的目标。深度强化学习结合了深度学习的强大表示能力和强化学习的决策能力,使AI Agent能够处理高维的状态空间和复杂的任务。本文的范围涵盖了深度强化学习的基本概念、核心算法、数学模型、项目实战、应用场景以及相关的工具和资源推荐等方面,旨在为读者提供一个全面的开发具有深度强化学习能力的AI Agent的指南。本文的结构如下:首先介绍深度强化学习的背景知识,包括目的、预期读者、文档结构和相关术语。

AI Python 编程之道的博客 584

别再手动算重量了!用C++给UG/NX写个自动计算零件质量与质心的插件(附完整源码)

本文详细介绍了如何使用C++为UG/NX开发智能质量分析插件,实现零件质量与质心的自动计算。通过结合NXOpen和UF_MODL API,设计高效的数据结构和批量处理机制,大幅提升机械设计效率。文章包含完整源码和实用技巧,帮助工程师告别手动计算,适用于复杂装配体的自动化工程计算。

weixin_30247307的博客 137

强化学习算法实战:一个例子搞懂sarsa、dqn、ddqn、qac、a2c及其区别

一个例子搞懂强化学习算法

Rsbstep的博客 1102

CMOS传输门实战:如何用模拟开关优化你的电路设计(附常见问题排查)

本文深入探讨了CMOS传输门在电路设计中的实战应用与优化策略。文章从核心参数选型入手,详细分析了导通电阻、电荷注入等关键特性对电路性能的影响,并提供了多路复用器构建、精密电路应用等实战架构。同时,重点分享了PCB布局、电源去耦的工程细节,以及开关不导通、信号失真、高频性能不足等常见问题的系统性排查指南,旨在帮助硬件工程师充分发挥CMOS模拟开关的效能,提升电路设计的可靠性与精度。

js777的博客 451

10个keras-rl实战案例:从CartPole到Atari游戏终极指南

keras-rl是一个基于Keras的深度强化学习框架,它让开发者能够轻松实现各种强化学习算法,并应用于从简单控制任务到复杂游戏环境的多种场景。本文将带您探索10个精选的keras-rl实战案例,帮助您快速掌握深度强化学习的核心应用方法。 ## 环境准备:快速开始keras-rl之旅 要开始您的强化学习实践,首先需要克隆项目仓库并安装必要的依赖: ```bash git clone http

gitblog_00632的博客 546

别再手动算LLC了!用Mathcad 15分钟搞定谐振参数与增益曲线(附已验证产品案例)

本文详细介绍了如何利用Mathcad在15分钟内高效完成LLC谐振变换器的参数计算与增益曲线绘制。通过对比传统工具,突出Mathcad在自然数学表达、实时单位换算和动态参数关联方面的独特优势,帮助电源工程师大幅提升设计效率。文章还提供了已验证的产品案例和实用模板,助力工程师快速掌握谐振参数优化技巧。

weixin_42548888的博客 549

【电商风控】电商风控标注是什么

本篇文章给大家谈谈。

867

强化学习入门指南(含实战代码)

强化学习是一种让智能体通过与环境交互来学习最优行为策略的方法。智能体在某一状态(State)下执行动作(Action),环境根据动作返回新的状态和奖励,智能体的目标是学习一个策略(Policy),使其在长期内获得最大化的累积奖励。这种方法特别适用于动态、不确定性强的场景,例如机器人导航或游戏中的决策。与监督学习(需要大量标记数据)和无监督学习(发现数据中的模式)不同,强化学习通过试错和奖励机制进行学习,更接近生物的学习方式。

m0_74298497的博客 3641

Flow Matching05:概率路径与插值【概率路径:线性插值路径(最简单)、高斯插值路径】【先尝试线性插值,看效果如何;若不够好,尝试高斯插值】

好的,我将从数学角度详细解释Flow Matching,从高中生能理解的基础知识开始,逐步深入到高级概念。

u013250861的博客 174

在快马平台10分钟搭建DQN游戏AI:零基础玩转强化学习实战

点击部署按钮时,看着自己写的AI在云端跑起来,这成就感绝了!调用Gym库的CartPole-v1环境,状态包含4个参数:杆角度、位置等。这个结合深度学习的强化学习算法,用游戏AI举例最直观——比如教AI玩平衡杆(CartPole),10分钟就能看到训练效果!在快马平台最爽的是训练完直接点【部署】,生成可交互的演示页。传统强化学习处理高维数据(如图像)很吃力,而DQN直接用神经网络拟合Q值函数,Atari游戏里打砖块、太空侵略者都能搞定。设置一个固定大小的记忆池,存储(状态,动作,奖励,下一状态)四元组。

ObsidianRaven13的博客 511

计算机组成原理(第三版)唐朔飞-第七章指令系统-课后习题

机器字长是指CPU一次能处理数据的位数通常与CPU的寄存器位数有关。指令字长是指机器指令中二进制代码的总位数。存储字长是指存储单元中存放二进制代码的总位数。三者可以相等也可以不等视不同机器而定。答:OP(4位)A1(6位)A_1(6位)A1​(6位)A2(6位)A_2(6位)A2​(6位)设二地址指令格式为该指令系统的基本格式,4位操作码共有16种编码,其中13种用来定义二地址指令,还剩3种可用作扩展标志。一地址指令条数=3∗26=192。

weixin_45735391的博客 7万+

纳米尺度仿真软件:Quantum Espresso_(13).非线性光学性质计算

通过 Quantum Espresso,可以高效地计算材料的非线性光学性质,包括二阶和三阶非线性极化率。这些性质在许多现代技术中具有重要的应用价值。在准备输入文件时,需要详细描述系统的晶格结构和原子位置,选择合适的基组和赝势,并设置计算参数和微扰设置。通过优化计算参数和使用并行计算,可以提高计算效率和精度。最后,使用适当的工具进行结果分析和可视化,可以更好地理解材料的非线性光学行为。

kkchenjj的博客 1279

深度学习在游戏AI中的应用:强化学习环境搭建

本文介绍了如何在星图GPU平台上自动化部署深度学习项目训练环境镜像,快速搭建游戏AI开发与训练平台。该环境集成了PyTorch、Gymnasium等核心工具,可用于训练强化学习智能体,使其在经典游戏环境中(如平衡杆、月球着陆器)自主学习并掌握游戏策略。

weixin_35761094的博客 483

FM收音机调试-RDA5807M

收音机调试 IC型号:RDA5807M

mangofu的博客 6178

教你的 Agent 玩游戏

本文将带你从强化学习的基础概念开始,一步步构建一个能够自主学习并玩游戏的AI Agent。我们将使用Python作为主要编程语言,结合OpenAI Gym环境,从最简单的Q-Learning算法开始,逐步深入到深度强化学习。通过完整的代码示例和详细的原理解释,你将掌握游戏AI开发的核心技能。OpenAI Gym是一个用于开发和比较强化学习算法的工具包,它提供了各种各样的游戏环境,从简单的控制任务到复杂的Atari游戏。import gym# 创建CartPole环境# 重置环境,获取初始状态。

操作系统内核探秘的博客 208

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

reinforcement-learning:从零开始的强化学习完整指南

reinforcement-learning是一个由RLCode团队打造的开源项目,提供了从基础到深度强化学习的极简清晰示例,每个算法独立成文件,非常适合新手入门学习强化学习。 ## 为什么选择reinforcement-learning项目? 对于想要学习强化学习的新手来说,面对复杂的理论和代码往往望而却步。而reinforcement-learning项目以其简洁明了的代码实现,让学习者能

gitblog_00711的博客 421

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: Fashion-MNIST分类(pytorch实现)
下一篇: (一)探索性数据分析EDA入门
zhangycode
博客等级 码龄7年 5粉丝 16原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值