1. 无模型问题在很多时候，我们无法得知模型信息，比如前几节的蛇棋中，我们不知道棋盘梯子的信息和骰子的信息，用数学化的方法来说，就是我们用于决策的智能体不知道状态转移概率PPP。2. 采样的方法2.1 计算公式当我们无法得知PPP的时候，一个直观的想法就是使用大量的采样去进行估计。为了方便，我们把策略迭代算法中策略评估的公式进行一下拆解：Q=P(R+γV)Q=P(R+\gamma V)...

1）下载安装vscode2）在扩展中搜索c/c++ extension pack并安装（或者直接打开cpp文件，会自动提示进行安装）3）创建项目目录，会自动生成.vscode文件夹，里面是编译所需的文件4）点击右上角的运行按钮，选择clang++进行编译运行，在下方的调试控制台可以看到输出。上图顶部六个按钮分别代表：1.继续执行到下一个断点处2.执行下一条语句，遇到函数直接执行完不会跳转进函数3.

【代码】深度学习系列86：funasr。

1. 基本架构1.1 架构图底层实现的关系如下：1.2 组件介绍（重要）1.2.1 数据组（Batch）数据组是平台内部各个模块之间传递数据的基本数据结构。它支持任意关键字初始化、对任意元素进行修改，以及嵌套调用和格式化输出的功能。如果数据组内各个元素值的第0维大小相等，还可支持切分（split）操作。数据组保留了如下7个关键字：obs：t 时刻的观测值 oto_tot​；act： t 时刻策略采

首先训练数据使用了2个first-order：最后一步加入了振铃和过冲现象：将CNN用到超分领域的第一篇文章：论文中卷积核和通道数的实验设置为：SRGAN将GAN引入超分领域，用于解决如下问题：1）高频细节(high-frequency details) 的丢失，整体图像过于平滑/模糊；2）与人的视觉感知不一致，超分图像的精确性与人的期望不匹配（人可能更关注前景，而对背景清晰度要求不高）。提出如下

Kokoro TTS 以其轻量级设计和高效性能脱颖而出。作为一个仅有82M参数的文本转语音（TTS）模型，Kokoro 在 TTS Spaces Arena 中击败了许多参数规模更大的竞争对手，成为语音合成领域的一颗新星。

1. 原理与安装安装：最新版本安装有点问题，pip install infomap==1.0.1原理：图中随机游走时，若节点间转换的概率一样，则随机游走在群内停留时间更长。infoMap 的想法是将每个节点的编码分为两个部分模块码和节点码，模块码用于区分图中不同的群，节点码用于区分相同模块内不同节点。不同模块节点的模块码不同，但节点码可能相同。实现：1. 计算节点访问概率：对于每个节点 ，有两种方

GFP-GAN由腾讯ARC实验室出品，测试下来效果很不错。模型用于从低质量的人脸中恢复出高质量人脸。这些质量较低的肖像图可能由各种原因导致退化，如低分辨率，噪音，模糊或是被压缩。主流的图像修复技术还是对抗生成网络GAN，但如何用好GAN是个学问。本模型使用了生成性面部先验模型（Generative Facial Prior, GFP），通过空间特征变换层被纳入到面部恢复过程中，这使得该方法能够实现

tts为text-to-speech，asr为Automatic Speech Recognition，即speech-to-text。

1. 问题介绍通过深度学习的方法，可以识别出区域人流的密度，如下图：再通过摄像头坐标投影转换到地图上，就可以绘制人群热力图了。资料集合见：https://github.com/gjy3035/Awesome-Crowd-Counting技术路线大致有3个方向：1）行人检测，包括传统cv方法和深度学习模型方法，但是这个方法对遮挡非常敏感。2）机器学习回归法，直接回归行人数。3）密度图法，当前主流。密