说完了策略梯度算法（PG），我们来谈谈目前更常用的、训练效率和效果更好的近端策略优化（PPO）。1. PPO推导：在此之前，我们需要先明白同策略（On-Policy）和异策略（Off-Policy）分别是什么。如上图所示，原来的PG算法就是On-Policy的典型算法。它的特点是智能体在每次更新策略后，必须使用新策略收集新的经验数据。也就是上图红字…

策略梯度算法是强化学习中基础的学习算法之一，但是对于AI小白来说（比如我(#^.^#)），推导的过程还是折腾了一会儿，因为查出来的资料参差不齐，所以浏览了很多博主的见解才算弄明白了大部分的原理。于是，现在我将试着按照自己的见解进行一次完整的推导，复习理清思路的同时希望也能帮助到同样有疑惑的人。1. 蒙特卡罗 在介绍PG之前先介绍一下蒙特卡洛算法。 …

12.7：贪心算法-分发饼干题目：假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。对每个孩子 i，都有一个胃口值  g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你…

在进行深度学习入门的过程中，我阅读的书籍作者为了演示最基础的神经网络的搭建，展示了斯坦福大学计算机系的作业源码。但是这段代码在初看时其实会有不少不容易理解的地方。所以，为了理清自己的思路以及帮到和我同样对此有些凌乱的人，现在我将尽可能全面深入的解释一下TwoLayerNet代码的实现。部分源码：import sys, ossys.path.appe…

10.30：二叉树-二叉搜索树的搜索、二叉搜索树的验证（二叉搜索树相关）题目1-二叉搜索树的搜索：给定二叉搜索树（BST）的根节点和一个值。 你需要在BST中找到节点值等于给定值的节点。 返回以该节点为根的子树。 如果节点不存在，则返回 NULL。分析：题目本身非常简单，毕竟二叉搜索树就是为了搜索而生的嘛，只是要通过这一题复习一下二叉搜索树的定义：…

“从零开始学Vue3+Typescript！”学的不算深入，先做到能看懂别人写的前端代码，争取能够上手配合后端做些简单项目，具体内容准备在后续项目实践中慢慢学习。学习视频及笔记：尚硅谷Vue3入门到实战，最新版vue3+TypeScript前端开发教程1. 创建Vue3工程1.1 基于 vite 创建（推荐）（基于 vue-cli 创建也行，但在此…

“谁说这前端不行啊？这前端可太棒了！”本人学习前端的契机是在做一个关于网盘的前后端项目时，完全看不懂前端给的代码（），所以决定奋发图强学习一下前端的知识，于是从此将开始我学习前端的伟大征程（）！不过话虽如此，对于HTML+CSS+JavaScript这三大基础组件，我也只是入个门，做个简单了解，后续涉及的Vue和TypeScript会着重学习。学习…

从今天开始我将速通Python的一些基础语法！当未来遇到与Python相关的需求时，可以立刻上手学习进阶内容，为后续的进一步学习做个铺垫。由于我有其他语言基础，所以很多我觉得相似或相同的知识点不会被记录，本文只是针对自己复习用。学习参考：Python 语法及入门 （超全超详细） 专为Python零基础 一篇博客让你完全掌握Python语法一、Pyt…

“寒女之丝，铢积寸累。天步所临，云蒸雷起。”该文章仅用来记录我自己刷过的算法题，给每日一题做总结的同时顺带复习，如有任何问题请在底下评论区留言。 刷题网站：leetcode，牛客 刷题顺序及部分题解：代码随想录8.20：数组-二分查找题目：给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target  ，写一个函数搜索 nums…