如何判断强化学习算法是否收敛1. 策略熵对于随机性策略（PPO等）可以用策略熵来表示策略是否“确定”。在训练过程中随着策略提升，策略变得越来越确定，此时熵应该是随着逐渐降低的，熵曲线趋于平缓。2. loss指标（网络收敛好坏）这是DL中的直观指标，虽然不能直接用在DRL来说明策略好坏，但loss是在一直下降还是已经趋于平缓了，可以一定程度上说明网络模型的学习程度，看模型是“学会了”还是“学废了”，

作者：机器之心链接：https://zhuanlan.zhihu.com/p/87220648来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。一、迁移学习是什么？机器学习技术在许多领域取得了重大成功，但是，许多机器学习方法只有在训练数据和测试数据在相同的特征空间中或具有相同分布的假设下才能很好地发挥作用。当分布发生变化时，大多数统计模型需要使用新收集的训练数据重建模型

转载自 https://zhuanlan.zhihu.com/p/99901400为了保证DRL算法能够顺利收敛，policy性能达标并具有实用价值，结果有说服力且能复现，需要算法工作者在训练前、训练中和训练后提供全方位一条龙服务。我记得GANs刚火起来的时候，因为训练难度高，有人在GitHub上专门开了repository，总结来自学术界和工业界的最新训练经验，各种经过或未经验证的tricks被

1.实验目的：1.1 背景人脸识别已经在生活中快速的普及开来， 但是人脸识别技术在实际应用中遇到的一个广为人知的问题是它在不同人种的性能有差异。 如何快速的提升人脸识别系统在不同人种的性能， 是一个实用的人脸识别算法应该考虑的问题。1.2 实验目标本次作业目标是提高人脸识别模型在不同人种上面的性能。以人脸1：1 比对为场景， 需要同时优化人脸识别模型在不同人种上的性能，提高在低误识率情况下...

常用的强化学习框架OpenAI Gym (GitHub) (docs)rllab (GitHub) (readthedocs)Ray (Doc)Dopamine: https://github.com/google/dopamine (uses some tensorflow)trfl: https://github.com/deepmind/trfl (uses tensorflow)Chain

有模型和无模型的区别1.有了模型，我们可以干哪些事呢?第一， 利用模型和基于模型的优化算法，我们可以得到回报高的数据，也就是好的数据。有了好的数据，我们就可以对策略网络进行稳定的训练了。第二， 有了模型，我们可以充分地利用示例（demonstration）学习。人的示例可以当成模型的初值第三，提高数据利用率，在真实环境中采集到的数据不白白扔掉，而是用来构建模型第四，利用已有的数据学到系统的模型后，

什么是TensorRTTensorRT是可以在NVIDIA各种GPU硬件平台下运行的一个C++推理框架。我们利用Pytorch、TF或者其他框架训练好的模型，可以转化为TensorRT的格式，然后利用TensorRT推理引擎去运行我们这个模型，从而提升这个模型在英伟达GPU上运行的速度。速度提升的比例是比较可观的。说回TensorRT本身，TensorRT是由C++、CUDA、python三种语言

转载自 https://zhuanlan.zhihu.com/p/99901400为了保证DRL算法能够顺利收敛，policy性能达标并具有实用价值，结果有说服力且能复现，需要算法工作者在训练前、训练中和训练后提供全方位一条龙服务。我记得GANs刚火起来的时候，因为训练难度高，有人在GitHub上专门开了repository，总结来自学术界和工业界的最新训练经验，各种经过或未经验证的tricks被

tensorflow安装方法tensorflow分为CPU和GPU两个版本，各有优缺点CPU版本：优点是便于安装，适合初学者;缺点是不支持gpu运算。应用场景一般用于简单的深度学习实验GPU版本：优点是功能强大，包含有CPU版本;缺点是安装复杂，需要CUDA和CUDnn的支持，且需要版本对应。为了方便我们首先切换到root用户su root #切换到root用户前提：安装pytho...

tensorflow安装方法tensorflow分为CPU和GPU两个版本，各有优缺点CPU版本：优点是便于安装，适合初学者;缺点是不支持gpu运算。应用场景一般用于简单的深度学习实验GPU版本：优点是功能强大，包含有CPU版本;缺点是安装复杂，需要CUDA和CUDnn的支持，且需要版本对应。为了方便我们首先切换到root用户su root #切换到root用户前提：安装pythonpip ins