zjm750617105的专栏

强化学习（reinforcement learning）的过程，强化学习中有状态(state)、动作(action)、奖赏(reward)这三个要素。 智能体需要根据当前状态来采取动作，获得相应的奖赏之后，再去改进这些动作，使得下次再到相同状态时，智能体能做出更优的动作。下面以一个综合全面的例子来理解Q-learning的过程。 http://mnemstudio.org/path-f...

#!coding=utf-8import numpy as npimport tensorflow as tffrom tensorflow.contrib.seq2seq import sequence_loss'''为了探究 seq2seq 中的loss具体改如何计算, 依据的标准是 tensorflow.contrib.seq2seq.sequence_loss'''# l...