machinelearning
machinelearning copied to clipboard
ljpzzz
My blogs and code for machine learning. http://cnblogs.com/pinard
>>> print (docres) [[0.00896713 0.99103287] [0.98510899 0.01489101] [0.98466115 0.01533885]] 我就是用你的代码跑的，得到这样的结果。。。 请问有什么我误解的吗？ 我唯二的改变是拿走了 document_decode = document.decode('GBK')和# result = result.encode('utf-8')、 但是我在with open里面加了encoding="utf8" 谢谢。
- Changed `sklearn.cross_validation` (depreciated) to `sklearn.model_selection` for importing `train_test_split` - Extracted data from CCPP.zip and extracted to folder CCPP, and added corresponding data path for importing dataframe
写的非常棒，博主很厉害，卷积网络的反向传播的介绍主要是参考哪个资料呢，您给出的几个参考资料和您的叙述有比较大的差距，我想看看原始资料的叙述，谢谢。如果时间太长已经不记得了那就算了，我自己尝试手推推，因为想实现一个卷积网络反向传播，深入理解一下数学运算和原理。
在您的博客中读到actor的损失函数如下。  我的理解是，对那个目标函数的梯度做积分就是下面那个式子（只不过没有负号），然后这个目标函数加个负号就可以用来表示损失函数，不知这样理解是否正确？ 还有就是，我的actor网络是输入状态s，输出一个连续的动作值a，那么对应您这个公式是否就是直接把对应S和A的crtic网络生成的Q值作为损失函数计算呢？
https://github.com/ljpzzz/machinelearning/blob/master/reinforcement-learning/policy_gradient.py 直接复制运行 episode: 0 Evaluation Average Reward: 15.0 episode: 100 Evaluation Average Reward: 10.2 episode: 200 Evaluation Average Reward: 9.2 episode: 300 Evaluation Average Reward: 9.3 episode: 400 Evaluation Average...
`import tensorflow as tf import numpy as np import gym import random from collections import deque from keras.utils.np_utils import to_categorical import tensorflow.keras.backend as K class QNetwork(tf.keras.Model): def __init__(self): super().__init__() self.dense1=tf.keras.layers.Dense(24,activation='relu')...
