logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

强化学习进阶 第六讲 策略梯度方法

转载自知乎专栏 天津包子馅儿 的知乎说明:从这讲开始,我们进入强化学习的进阶课程学习。进阶课程以强化学习入门第一讲到第五讲为基础,所以请读者先读前面的课程讲义。该进阶课程也有五讲,主要讲解直接策略搜索方法。内容涉及到近十几年比较主流的直接策略搜索方法。本课程参考资料是Pieter Abbeel 在NIPS2016给的tutorial,视频网址为:DeepReinforce

基于C++和Python的虹膜识别测试结果对比

目录一、说明二、测试处理1、基于Python的虹膜识别2、基于C++虹膜识别三、测试结果一、说明本文主要对基于C++和Python的虹膜识别的效果进行测试,并对比其结果。基于C++的虹膜识别测试工程为:基于C++和Opencv2的虹膜识别工程。基于Python的测试代码为:https://github.com/thuyngch/Iris-Recognition。二、测试处理为了使用相同的数据集进行

#虹膜识别
G-CNN详解

本篇论文的主要创新点是去除了基于CNN的目标检测框架中object proposal阶段,将目标检测问题模型化为迭代回归问题。

Opencv4 CV_LOAD_IMAGE_GRAYSCALE找不到解决方法

最近写代码,使用到了CV_LOAD_IMAGE_GRAYSCALE,其为将原图转为灰度图片。如:Mat srcImage = imread("srcImage.png", CV_LOAD_IMAGE_GRAYSCALE);其转为灰度的计算公式为:Gray = 0.299 * R + 0.587 * G + 0.114 * B但在Opencv4中,CV_LOAD_IMAGE_GRAYSCALE却找不

GAN:生成式对抗网络介绍和其优缺点以及研究现状

本博文是转载自一篇博文,介绍GAN(Generative Adversarial Networks)即生成式对抗网络的原理以及GAN的优缺点的分析和GAN网络研究发展现状

神经网络九:Regularization(正则化)与Dropout

本文主要讲解神经网络中的正则化(Regularization)和Dropout,都是用了减小过拟合。正则化在机器学习领域中很重要。主要针对模型过拟合问题而提出来的。

Ubuntu之win10双系统更新驱动重启出现频闪现象:Signature not signed with a trusted key

今天在安装好的Ubuntu上,安装了一些所需的Anaconda、CUDA等,在安装CUDA时,提示安装CUDA Toolkit,于是按照提示安装好了。之后重启发现出了问题:一直刷新打印Signature not signed with a trusted key想了下,重启之前安装了CUDA等插件,可能时驱动除了问题,于是想起之前安装Ubuntu出现的问题,详见Linux之w...

到底了