caoyongsheng的博客

https://www.cnblogs.com/jinxulin/p/5116332.htmlQ-learning与sarsa算法最大的不同在于更新Q值的时候，直接使用了最大的Q(st+1,a)值——相当于采用了Q(st+1,a)值最大的动作，并且与当前执行的策略，即选取动作at时采用的策略无关。

在大多数编排得好一点的脚本或者程序里面都有这段if __name__ == 'main': ，虽然一直知道他的作用，但是一直比较模糊，收集资料详细理解之后与打架分享。   1、这段代码的功能   一个python的文件有两种使用的方法，第一是直接作为脚本执行，第二是import到其他的python脚本中被调用（模块重用）执行。因此if __name__ == 'main': 的作用

上午花了不到1个小时看了一下python入门：https://edu.csdn.net/course/detail/2556，有编程的底子，之前写了几个python小程序的，觉得系统学一下好以下，有用的新知识不多，数组和元组的差别听了一下。想再看一下小甲鱼的视频http://edu.csdn.net/course/play/906

TensorFlow 相关函数理解tf.nn.conv2dconv2d(    input,    filter,    strides,    padding,    use_cudnn_on_gpu=True,    data_format='NHWC',    name=None)参数名必选类型说明input是tensor是一个 4 维的 tensor，即 [ batch, in_heigh...

AC算法框架被广泛应用于实际强化学习算法中，该框架集成了值函数估计算法和策略搜索算法，是解决实际问题时最常考虑的框架。大家众所周知的alphago便用了AC框架。而且在强化学习领域最受欢迎的A3C算法，DDPG算法，PPO算法等都是AC框架。我们这一讲便总结下AC算法的发展并介绍目前最受关注的A3C算法和PPO算法。本讲的内容包括：1.1 策略梯度的直观解释1.2 Actor-Critic框架引出...