我们想要的是通过之前的平均值，求新的平均值：只要知道了的算法，就可以实现只要已有平均值 和 新添加值，就可以算出新的平均值 用 和 带入公式： 带入公式
发简信
IP属地：上海
-
pytorch.nn.Embadding 详解
数据和枚举的对应关系：{A:1, B:2, C:3, ...} 网络层输入按照枚举方式，比如是A的话，那么输入层就是A: [1, 0, 0, 0, 0, 0, ...]， 如...
-
probability / odds / logits到底是什么
probability：发生的概率 发生的次数/总次数0：不发生 1：必发生 odds：发生比 发生的概率 / 不发生的概率0：不发生，：必发生 logits: 发生比的lo...
-
torch.distributions.Categorical从一个样本空间中，抽样。比如：我要抽 [0, 1, 2] 三个物体，共100次，那我希望： 0能抽到20次左右 1能抽到70次左右 2能抽到30次左右
-
对Policy gradient的总结
policy gradient 其实就是 的平均数: corssentropy是加法，总和。这里需要每一项，所以就取一个平均值。 好算，就是递减奖励累加，字面意思，一次完整...
-
Q-learning:Temporal Difference / Monte Carlo
Q-learning 是RL的核心 Q 代表 Quality 品质 系统维护一个Q值表： 13.31.622.67.832.49.541.35.6 当前agent下一步要采取...
-
Torch.gather()、Torch.cat()数组维度和方向（连接） gather() 函数是按照索引选取数字： 一个二维数组，如果沿第0维选取元素，则按照将头方向依次选取数字。0，2，1就是如图： 如果沿第1维选取元素...
-
python - zip()、*号、namedtuple
在python里，*号代表拆分，把list/tuple里的元素拆出来，如： zip()的作用是交叉合并元素，就像拉链一样： list(zip(*li))[(1, 4, 7),...
-
深度强化学习DQN详解CartPole（2）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...
-
深度强化学习DQN详解CartPole（1）一、 获取并处理环境图像 本文所刨析的代码是“pytorch官网的DQN示例”（页面），用卷积层配合强化训练去学习小车立杆，所使用的环境是“小车立杆环境”（CartPole）...
-
Modern portfolio theory 现代资产理论1.计算各种组合的 期望回报/风险： 每n天收益率集合：期望回报：求平均值风险：求标准差 计算Efficient frontier将所有值绘图，找到无风险收益点，然后绘制切线...
-
重要概念：Softmax 和 Corssentropy 详解
总结：Softmax就是将数值转为概率。交叉熵就是求两组概率分布的偏差。 有如下：: 可以看作是 可以看作是 是的log值， 越大越大。 log( [0, 1) )log(...
-
Tensor的代码表达及方向矩阵的索引顺序： 方向（就是最内层数组）永远是最后一个方向：。是倒数第二是倒数第三依次往前推…… 比如，一个3维矩阵（如图），第一个元素的坐标是：或者：如果是一个4维矩阵，第...
-
-
