登录
首页 » Python » 通过深度强化学习训练打方块游戏

通过深度强化学习训练打方块游戏

于 2020-11-28 发布
0 240
下载积分: 1 下载次数: 1

代码说明:

tensorflow实现

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • python画爱心案例(于Turtle)
    python画爱心案例(基于Turtle)
    2020-11-02下载
    积分:1
  • python强化学习(于matplotlib)
    python强化学习(基于matplotlib)
    2020-02-23下载
    积分:1
  • dbscan聚类代码
    dbscan聚类代码
    2020-11-04下载
    积分:1
  • 编写程序,输入两个分别包含若干整数的列表LA、LB.py
    【实例简介】编写程序,输入两个分别包含若干整数的列表LA、LB.py 编写程序,输入两个分别包含若干整数的列表LA、LB,输出一个字典,要求用LA中的元素作为键,用LB中的元素作为值,并且最终字典中的元素数量取决于LA和LB中元素较少的列表的数量;
    2022-01-10 00:31:45下载
    积分:1
  • 《自然处理入门》随书代码
    适读人群 :对自然语言处理感兴趣的普通程序员、算法工程师,计算机专业本科生,低年级研究生。 配套代码集成到广受欢迎的自然语言处理工具包 HanLP 中,Java 与 Python 代码双实现,适合培训。 你一定能看懂的自然语言处理(NLP)入门教程! 这是一本把读者阅读体验放在首位的中文 NLP 图书,作者采用从问题到算法再到工程实现的写作思路,只允许必不可少的公式出现,降低了读者学习的门槛,通俗易懂、容易上手。是一本可以在地铁上也能学会 NLP 开发的图书。 全书有以下特点: 1. 图文并茂,算法、公式、代码相互印证,Java 与 Python 双实现。 2. 学习路径清晰,问题导向、算法实现、工程实战,简单易懂好上手,双色印刷阅读体验佳。 3. 业内专家——工业界周明、李航、刘群、王斌、杨攀,学术界宗成庆、刘知远、张华平 联合推荐。 4. 作者何晗(@hankcs)兼具一线实战经验与硬核学术背景。自然语言处理开源项目 HanLP 作者(GitHub Star 数远超宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP 以及哈工大的 LTP)埃默里大学计算机博士生,研究方向是句法分析、语义分析与问答系统。 【文件目录】 《自然语言处理入门》随书代码 ├── README.url├── hanlp-java.zip└── hanlp-python.zip0 directories, 3 files
    2021-05-06下载
    积分:1
  • 《Python从入门到精通》PPT课件
    【实例简介】 这就是学python的一堆ppt课件
    2021-07-09 00:32:11下载
    积分:1
  • LSTM入门正弦波序列预测
    LSTM入门学习,正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs
    2021-06-30 00:31:01下载
    积分:1
  • python教程:Python 实战-从菜鸟到大牛的进阶之路 - v1.1.pdf
    python教程:Python 实战-从菜鸟到大牛的进阶之路 - v1.1.pdf
    2020-12-03下载
    积分:1
  • python分析评论内容是积极的还是消极的(应用朴素做分词处理及情感识别)
    1. 应用朴素贝叶斯算法,对Content 数据集进行分类 1)对数据进行清洗 2)基于给定的词库和停止词,进行文本切词 3)建立NB模型
    2019-09-19下载
    积分:1
  • kitti资料(评测算法)
    kitti测评方式
    2019-11-19下载
    积分:1
  • 696518资源总数
  • 105877会员总数
  • 14今日下载