2024开悟智能体比赛（学习期）
环境启动方法 为了能直接使用 test_train.py 进行模型训练并保存（比客户端训练效率更高），显示当前镜像下载速度，推荐如下直接使用命令行打开镜像的方法。 我们以打开走迷宫的代码为例： 在腾讯开悟APP中设置工作空间为 .../kaiwu2024/gorgewalk/（路径自选），启动开发环境（CPU或GPU随便选），在容器检测已完成后就可以停止启动。 打开 .../kaiw
CALVT - 2023劳动竞赛（智能体对抗）总结
China Academy of Launch Vehicle Technology (CALVT) 中国运载火箭技术研究院（航天工业部第一研究院） 劳动竞赛环境：百度网盘 - 劳动竞赛2023 完整代码GitHub：GitHub-Blog-file-CALVT2023 也可以从上面的网盘分享中下载 CALVT2023_太初.zip，解压后执行 agent_train.py 即可看到红蓝方执行设
github使用镜像源加速clone
老方法（无法使用）： 只需要将 github.com/… 改为 github.com.cnpmjs.org/… 即可使用镜像库clone 新的代理源：https://mirror.ghproxy.com/ 在原有的 clone 连接前面加上https://mirror.ghproxy.com/即可使用代理。 git clone https://mirror.ghproxy.com/https:
DQN (Deep Q-Network) 算法
DQN (Deep Q-Network) Algorithm 算法 DQN is based on Q-Learning, it changes the estimate of the Q function from “grid search” to “network search”. It’s an off-policy algorithm, which allow us to store
Scikit-Learn 常用函数及模型写法
Scikit-learn安装 pip install scikit-learn # 基础包安装 pip install scikit-image # 图像处理包 Scikit-Learn设计原则 参考论文API design for machine learning software: experiences from the scikit-learn project，这里给出Scikit-
A2C (Advantage Actor-Critic) 算法
A2C (Advantage Actor-Critic) Algorithm 算法 设 π(a∣s;θ)\pi(a|s;\theta)π(a∣s;θ) 为当前智能体策略网络，其中 θ\thetaθ 为网络参数，Vπ(S)V_\pi(S)Vπ(S) 为状态价值函数，最优化目标 maxθES[Vπ(S)]=:J(θ)\max_\theta\mathbb{E}_S[V_{\pi}(S)] =:
SAC (Soft Actor-Critic) 算法
概述 SAC算法可以简单理解为一种将Q-Learning用于策略 πθ(a∣s)\pi_{\theta}(a|s)πθ(a∣s) 估计的算法，由于使用了策略网络，所以可以用于解决连续问题，与梯度策略定理(A2C)或策略迭代定理(TRPO,PPO)不同，SAC策略网路的更新目标浅显易赅，就是要近似 Qπ∗(s,⋅)Q_{\pi^*}(s,\cdot)Qπ∗(s,⋅) 对应的 softmax 分
SSH端口转发连接服务器上的Jupyter Notebook
参考 CSDN - SSH 端口转发实现 Jupyter Notebook 远程连接服务器 Jupyter Notebook在启动后会默认在服务器中的 localhost:8888 端口启动，所以我们只需要将其映射回本机即可，可以使用 ssh 中的端口转发实现，在使用 ssh 连接服务器前使用 -L 命令： ssh -L 本地地址:[本地端口,可选]:目标地址:目标端口 用户名@你的服务器地址