Yolov3关于yolov3网络的详细结构、前向推导、反向传播等细节可以参考我的上一篇文章：https://blog.csdn.net/weixin_45776027/article/details/112854974一步一步地教你复现代码（Kears框架)首先看结构图：yolov3包含了三那个主要模块：1）集卷积、批归一化、Leakyrelu激活层为一体的DBL模块2）残差网络结构的resuni

yolov3学习笔记文章目录yolov3学习笔记1. Darknet-53网络2. YOLOV3结构3. 前向过程4. 反向过程（训练策略）5. 损失函数6. 网络模型结构1. Darknet-53网络Yolov3采用的darknet-53网络模型，此结构主要由75个卷积层构成，卷积层对于分析物体特征最为有效。由于没有使用全连接层，该网络可以通过strides实现对应任意大小的输入图像。结构如下：

一、简介DDPG在DQN的基础上即经验回放和双网络的方法来改进Actor-Critic难收敛的问题，这个算法就是是深度确定性策略梯度(Deep Deterministic Policy Gradient，以下简称DDPG)DQN是一种基于值的学习方式，要求给定离散动作集，但考虑到一些控制系统一般为多组的连续动作，基于值的学习方式容易陷入局部最优且易导致“维数灾难”，而DDPG基于策略本身更新Q值，

最近在做电池续航测试，不同型号参数的动力电池可以跑40-70多公里，开个小电动出去测里程，累的要死，正好要到数据集，弄个模型预测一波，只用输入电池参数，就可以预测里程，舒服~（实际样本太少，不足100个，预测效果与实际测量在上下3公里左右波动）华丽的分割线------------------------------------------------------------------------

一. Bellman最优贝尔曼方程在强化学习（RL）中无处不在，它是由美国应用数学家理查德·贝尔曼（Richard Bellman）提出，用于求解马尔可夫决策过程。贝尔曼最优性方程贝尔曼最优性方程是一个递归方程，对于Model_based环境可由动态规划（dynamic programming，DP）算法求解，可以通过求解该方程可以找到最优值函数和最优策略。对于任何有限的MDP，都存在一个最佳策略

on-policy(同策略)代表既定策略，off-policy(异策略)代表新策略在Sarsa中，更新Q函数时用的动作a由贪婪策略得出，那么下一回合也用的是这个动作a。sarsa中的两个a一定相同就是（同策略）on-policy。Qlearning中，动作A1由Qmax得到的，而下一回合的A2用贪婪策略得到（下一回合的Q是在Qmax基础上探索，如图1所示），这时的A1和A2就有可能不一样，就是（异

本文为个人学习笔记，方便个人查阅观看原文链接利用OPenAI gym建立自己的强化学习探索环境：首先，先定义一个简单的RL任务：如图所示：初始状态下的环境，机器人在左上角出发，去寻找右下角的电池，静态障碍：分别在10、19位置，动态障碍：有飞机和轮船，箭头表示它们可以移动到的位置，会随时间改变而改变。这里假设：它们的移动速度和机器人一样。飞机会沿着当前列上下来回移动，轮船则只在当前位置到左边两格的

为什么要量化模型？模型部署时，往往考虑实际问题，算力、内存、带宽、速度、FPS、功耗、时延等等。特别是在移动端和嵌入式设备等资源受限的边缘侧应用场景中更加需要我们进行优化。什么是模型量化？模型量化: 即以较低的推理精度损失将连续取值（或者大量可能的离散取值）的浮点型模型权重或流经模型的张量数据定点近似（通常为int8）为有限多个（或较少的）离散值的过程，它是以更少位数的数据类型用于近似表示32位有

最近给公司做电芯状态分类，边搞边学了下数据处理和svm分类模型训练与调用华丽的分割线------------------------------------------------------------引入几个库:import pandas as pdfrom sklearn.model_selection import train_test_split#分割训练集和测试集前自动打散数据from