9fd8e14bdaf5

强化学习基础篇（二）马尔科夫决策过程（MDP） 上一篇中主要介绍了强化学习的一些主要组成要素（智能体，环境，奖励，状态以及动作等），以及介绍了强化学习的相关概念。本节主要介绍...

9fd8e14bdaf5

二、 卷积网络和训练 接上回 处理环境图片。python几处值得关注的用法（连接） 示例用卷积网络来训练动作输出： 还是比较直白的： Conv 3通道 16通道 Con...