深度强化学习算法 A3C （Actor-Critic Algorithm） 　　对于 A3C 算法感觉自己总是一知半解，现将其梳理一下，记录在此，也给想学习的小伙伴一个参考。　　想要认识清楚这个算法，需要对 DRL 的算法有比较深刻的了解，推荐大家先了解下 Deep Q-learning 和 Policy Gradient 算法。　　我们知道，DRL 算法大致可以分为如下这几个类...

收敛困难，调参困难。DRL算法通常需要海量的Agent和环境的交互数据，而这些数据只有在模拟场景下（游戏）才很充足并且廉价，想象一下自动驾驶和机器人领域，如果拿真的汽车和机器人去做Action，万一是负奖赏的Action，那损失也太大点了。奖赏函数需要定义的很准确，这其实很难。最重要的是：很多应用，比较成熟的方法效果都不比DRL差，所以公司不愿意去冒这个风险吧。...

星际争霸2：强化学习新挑战原文下载链接：https://deepmind.com/documents/110/sc2le.pdf本文绿色字体是学习过程中的注释，蓝色字体为总结，可以忽略，最后附有个人翻译后记。整个论文分为：摘要（Abstract）1.介绍（Introduction）2.相关工作（Related work）3.sc2le环境（The SC2LE Environment）...

前言：本文可能有些标题党，并不是真的要完全劝退大家，Alex的本意是希望大家更加冷静地看待目前DRL研究的进展，避免重复踩坑。评论区里有提到因为困难才有做的价值，还有机器人、控制论背景的朋友提到他觉得drl can do anything如果你有正确的超参数，这些意见也很值得大家参考。今天在学校又双叒叕提到了Deep Reinforcement Learning That Matters这篇打响.

前言：本文可能有些标题党，并不是真的要完全劝退大家，Alex的本意是希望大家更加冷静地看待目前DRL研究的进展，避免重复踩坑。评论区里有提到因为困难才有做的价值，还有机器人、控制论背景的朋友提到他觉得drl can do anything如果你有正确的超参数，这些意见也很值得大家参考。今天在学校又双叒叕提到了Deep Reinforcement Learning That Matters这篇打响.

链接:https://pan.baidu.com/s/1KEip4oDkmD48Y1sj8gDXbQ密码:bhew

***IT技术生命周期的五个关键阶段创新触发器：潜在的技术突破踢了一切。早期的概念故事和媒体兴趣引发了大量的宣传。通常没有可用的产品存在，商业可行性尚未得到证实。充满希望的高峰：早期的宣传产生了许多成功的故事，通常伴随着许多失败。有些公司采取行动;许多不消失的沟通：随着实验和实施的失败，利益消失。生产者的技术摆脱或失败。只有幸存的供应商改善产品以满足早期采用者的需求，投资才会继续。启蒙倾向：更多关

Linux有非常多的发行版本，从性质上划分，大体分为由商业公司维护的商业版本与由开源社区维护的免费发行版本。商业版本以Redhat为代表，开源社区版本则以debian为代表。这些版本各有不同的特点，在不同的应用领域发挥着不同的作用，不能一概而论。而绝大多数VPS上只提供开源社区维护的发行版本。下面就这些不同的Linux发行版进行简单的分析。UbuntuUbuntu近些年的粉丝越来越多，Ubu...

链接:https://pan.baidu.com/s/1wBa7CrKMD0c1H8mRyvijbw密码:jdgj

1. 什么是SequenceFile1.1.sequenceFile文件是Hadoop用来存储二进制形式的[Key,Value]对而设计的一种平面文件(Flat File)。1.2.可以把SequenceFile当做是一个容器，把所有的文件打包到SequenceFile类中可以高效的对小文件进行存储和处理。1.3.SequenceFile文件并不按照其存储的Key进行排序存储，Sequenc...