一、hadoop3.x的新特性1. Java版本需要1.82. Shell脚本已部分重写(Shell script rewrite)3. HDFS新特性支持可删除编码(Erasure Coding)使用EC来替代副本机制，可省略大约50%的存储空间，此时副本个数为1就行支持两个及以上的namenode(即一个namenode与多个datanode)datanode数据写入平...

本文将带您一起实践深度学习与强化学习联合解决问题的一个经典算法：深度Q学习网络（DQN）。深度学习算法在强化学习领域的应用主要体现在价值函数或策略函数的近似表示上，理解了这一点将有助于您直击深度强化学习问题的本质。正因为如此，我们也可以使用不基于深度学习的其他函数近似工具。这里贴一些别人已经写好的基于深度学习算法的一些链接：borgwang/reinforce_py用不同的机器学习库实现...

本讲是对于强化学习整体的一个简单介绍，描述了强化学习是什么，解决什么问题，大概用什么样的方式来解决问题。介绍了强化学习中常用的概念。这些概念非常重要，贯穿于整个强化学习始终，但是在这一讲，读者仅需对这些概念有个初步的印象。 引子强化学习在不同领域有不同的表现形式：神经科学、心理学、计算机科学、工程领域、数学、经济学等有不同的称呼。强化学习是机器学习的一个分支：监督学习、无监督学习、...

通过前几次强化学习实践讲解，我们基本上理解了个体与环境的建模思想，特别是对gym库有了一定的了解。在本讲中，我们将尝试编写一个简单的Agent类，并且使它能够和我们之前编写的格子世界环境类进行交互。然后我们将实现SARSA算法，确切地说是SARSA(0)。我们将看看它在简单格子世界中的训练效果。由于蒙特卡洛学习和单纯的基于价值的TD学习实际应用不多，在实践环节我也不打算实现这两个算法，当然了S..

在《强化学习》第一部分的实践中，我们主要剖析了gym环境的建模思想，随后设计了一个针对一维离散状态空间的格子世界环境类，在此基础上实现了SARSA和SARSA(λ)算法。《强化学习》第二部分内容聚焦于解决大规模问题，这类问题下的环境的观测空间通常是多维的而且观测的通常是连续变量，或者行为不再是离散的简单行为，而是由可在一定区间内连续取值的变量构成，在解决这类大规模问题时必须要对价值函数（或策略函数

按照图示步骤完成在VMware中安装CentOS软件：链接：http://pan.baidu.com/s/1miHYDVM 密码：lrjc1.启动VMware的画面2.点击File--->New Virtual Machine 创建一台新虚拟机3.在弹出框中选择典型安装4.选择I will install the operating system later.(稍后安装系统)5．选择

原文地址：http://blog.csdn.net/u012453843/article/details/69951920由于FastDFS集群搭建非常复杂，对于初期学习FastDFS来说，搭建个单机版的作为入门更为实际一些。第一步：搭建虚拟环境        FastDFS需要在Linux系统上安装，我们一般使用的都是Windows系统，这样就需要有虚拟环境，我这里使用Vmware12创建虚拟机

本次配置时，jenkins需要配置在外网可访问的服务器上，因为在git push内容到github时，触发Webhooks并推送到jenkins服务器上。 1. 配置Github（通过秘钥登录）生成秘钥：ssh-keygen -t rsa -b 4096 -C "1248741476@qq.com"在github设置密钥（公钥）：将公钥 id_rsa.pub里的内...

1.安装依赖yum -y install kernel-devel*yum -y install openssl-*yum -y install popt-develyum -y install lrzszyum -y install openssh-clients2.安装keepalived（资料：链接：http://pan.baidu.com/s/1i5lANUd 密码：2ji8）2.1.上传

这里给出一个简单的强化学习例子Tic-Tac-Toe。这是一个简单的游戏，在一个3x3的九宫格里，两个人轮流下，直到有个人的棋子满足三个一横一竖或者一斜，赢得比赛游戏结束，或者九宫格填满也没有人赢，则和棋。这个例子的完整代码在我的github。例子只有一个文件，很简单，代码首先会用两个电脑选手训练模型，然后可以让人和机器对战。当然，由于这个模型很简单，所以只要你不乱走，最后的结果都是和棋，当然..