Cannot connect to the Docker daemon at unix:///var/run/docker.sock.问题描述解决过程参考资料问题描述最近发现 Docker 容器运行异常了。 错误如下：Oct 09 14:00:29 argus dockerd[107571]: time="2021-10-09T14:00:29.429276020+08:00" level=err

很多Pytorch深度学习初学者在着手开发深度学习项目的时候，看了一些GitHub上开源的项目，感觉里边文件和文件夹很多不知道哪些是需要自己构建的文件，哪些是运行时生成的文件。为什么这些深度学习项目代码结构是这样或那样的？是否有一套比较通用的项目代码结构？本文就这个问题给出一些自己的建议。

作为最常用的数据分析库，Pandas提供了一种创建图表的简单方法，这种方法可以帮我们快速对数据集进行简单的分析，快速的了解数据集的情况。但是如果需要对数据进行更高级的可视化，可以使用SeabornPlotly等更高级的库。

概率模型有时既含有观测变量( observable variable),又含有隐变量或潜在变量( (latent variable)。如果概率模型的变量都是观测变量，那么给定数据，可以直接用极大似然估计法，或者贝叶斯估计法估计模型参数。但是当模型含有隐变量时，就不能用这些估计方法。EM算法就是含有隐变量的概率模型参数的极大似然估计法，或极大后验概率估计法。将观测数据表示为 Y=(Y1,Y2,⋯ ,

强化学习数学基础：蒙特卡洛方法，包括最优性和探索性的内容

方法是一个非常重要的policy gradient methods。这一类方法强调的一种整合策略梯度和value-based方法的结构。什么是“actor”和“critic。

强化学习数学基础：贝尔曼最优公式

强化学习数学基础：随机近似理论与随机梯度下降：SGD, BGD, MBGD RM算法

强化学习是机器通过与环境交互来实现目标的一种计算方法。机器与环境的一轮交互是指，机器在环境的一个状态下做一个动作决策，把这个动作作用到环境当中，这个环境发生相应的改变并且将相应的奖励反馈和下一轮状态传回机器。这种交互是迭代进行的，机器的目标是最大化在多轮交互过程中获得的累积奖励的期望。

强化学习数学原理，state value和action value，贝尔曼公式