当参数lr 在某个范围，batchsize在某个范围，dropout在某个范围去优化我们得深度学习网络时候，到底哪个数值是效果最好的，得到的指标数值最佳在这里optuna可以进行参数寻优，并且可以得到很好的可视化效果...

车辆信息识别 车辆目标检测 车牌识别 车型识别 颜色 朝向 车大小识别采取yolo识别车辆采取darknet进行颜色 朝向 车大小识别采取系统的hyperlpr进行车牌定位和识别采取外部接口实现车型识别...

车辆信息识别 车辆目标检测 车牌识别 车型识别 颜色 朝向 车大小识别采取yolo识别车辆采取darknet进行颜色 朝向 车大小识别采取系统的hyperlpr进行车牌定位和识别采取外部接口实现车型识别...

在目前的学习中 DQN是比较牛的专家也说 强化学习接近通用人工智能Q_learning 列出了可能的action 和state对应的Q数值，然后在某个状态得到后，只需按照该状态下的最大Q值一直动作下去，就能得到最大的收益但是如果q_lable不足以写出那么多状态和动作也就是没有一个表格可以存储足够的Q值那么就可以和深度学习结合在一起了，所谓的深度学习，就是根据输入的状态（在愤怒的小鸟中就是输入图像