-
俄罗斯方块强化学习实验报告
一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99 # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500. # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500. # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002 # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0 # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900 # number of previous transitions to remember 设置replay memory的容量 BATCH = 32 # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1 # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6 # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416 Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482 Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│ └── tetris_fun.py├── deep_q_network.py├── logs_tetris│ ├── hidden.txt│ └── readout.txt└── saved_networks ├── tetris-dqn-10000.data-00000-of-00001 ├── tetris-dqn-10000.index ├── tetris-dqn-10000.meta └── tetris-dqn-316600003 directories, 8 files
- 2020-12-01下载
- 积分：1
-
深度学习之一：卷积神经网络(CNN)详解与代码实现
目录1.应用场景2.卷积神经网络结构 2.1 卷积（convelution） 2.2 Relu激活函数 2.3 池化（pool） 2.4 全连接（full connection） 2.5 损失函数（softmax_loss） 2.6 前向传播（forward propagation） 2.7 反向传播（backford propagation） 2.8 随机梯度下降（sgd_momentum）3.代码实现流程图以及介绍4.代码实现（python3.6）5.运行结果以及分析6.参考文献
- 2019-08-09下载
- 积分：1
-
基于Python的车牌识别
可以直接运行的车牌识别代码，基于Python语言的车牌识别代码，
- 2020-04-07下载
- 积分：1
-
从图像数据集读取图片并拼接成大图
从图像数据集读取图片并拼接成大图
- 2020-05-02下载
- 积分：1
-
kmeans聚类算法的python实现程序
kmeans聚类算法的python实现程序 Ch10 ├── Portland.png├── kMeans.py├── kMeans.pyc├── places.txt├── portlandClubs.txt├── testSet.txt└── testSet2.txt0 directories, 7 files
- 2021-05-06下载
- 积分：1
-
信用异常检测(.ipynb)
样本数据不均衡的数据的解决方案： 过采样：生成样本少的样本，和样本多的样本一样多（同样多） 下采样：两种样本一样小，从多的样本中删除一部分（同样少） 特征缩放：对Amount列进行特征缩放，使其分布范围和其他特征属性的分布范围保持一致 机器学习误区：会认为数值大的数据重要程度较大，但是我们拿到数据，其实每个属性的重要程度是一样的，所以需要进行特征缩放 所以可以进行：归一化（缩放到0~1）或者标准化(缩放到-1~1)
- 2020-12-07下载
- 积分：1
-
深度学习常用损失函数的基本形式、原理及特点
【实例简介】深度学习常用损失函数的基本形式、原理及特点
- 2022-01-19 00:31:50下载
- 积分：1
-
WIn10+Anaconda环境下安装PyTorch(避坑指南)
WIn10+Anaconda环境下安装PyTorch(避坑指南)
- 2021-05-06下载
- 积分：1
-
pyqt5窗体数据传输简单实例
：实现两个窗体数据传输
- 2020-11-27下载
- 积分：1
-
Python xlwt 创建xls文件例子
xlwt包
- 2015-06-15下载
- 积分：1
|
联系客服（QQ：3324461878）
