强化学习笔记（5）——PPO
PPO视频课程来源
首先理解采样期望的转换
变量x在p(x)分布下，函数f(x)的期望 等于f(x)乘以对应出现概率p(x)的累加
经过转换后变成
x在q(x)分布下，f(x)*p(x)/q(x) 的期望。
起因是：求最大化回报的期望，所以对ceta求梯度
具体举例：上述公式计算的流程？如何求一条轨迹的梯度？
我理解就算是概率相乘> 一回合的回报乘以该回合梯度除以该轨迹（s,a,r,s,a…）出现概率
如何求一条轨迹的梯度？
然后PPO 推倒，对数 概率连乘，等于概率累加
但这样有问题：用一整个回合的回报来计算梯度，会导致“未来的动作”影响过去的状态，且 优势情况下，惩罚不明显
于是改成：
将优势函数 转换成值函数表示，然后写出多步优势函数即推导出GAE
其实就是用走了不同步的Q（s,a）-V(s) ,然后加权
加负号将最大化期望转成loss函数更新
PPO 使用了一个重要性采样比
这个比值衡量了新策略和旧策略在选择动作 at时的相对概率
为了防止：过去参数ceta’ 和 ceta 差距不要太大，有两种衡量方式；
1：KL散度 ：这貌似又叫TRPO
2：clip截断防止差的太大
伪代码
用old策略网络做动作和环境交互，然后梯度更新，每过K个epochs将old参数复制给new
相关文章：
强化学习笔记（5）——PPO
PPO视频课程来源 首先理解采样期望的转换 变量x在p(x)分布下，函数f(x)的期望 等于f(x)乘以对应出现概率p(x)的累加 经过转换后变成 x在q(x)分布下，f(x)*p(x)/q(x) 的期望。 起因是：求最大化回报的期望，所以对ceta求梯度 具体举例…...
【C语言入门】解锁核心关键字的终极奥秘与实战应用（三）
目录 一、auto 1.1. 作用 1.2. 特性 1.3. 代码示例 二、register 2.1. 作用 2.2. 特性 2.3. 代码示例 三、static 3.1. 修饰局部变量 3.2. 修饰全局变量 3.3. 修饰函数 四、extern 4.1. 作用 4.2. 特性 4.3. 代码示例 五、volatile 5.1. 作用 5.2. 代码示例…...
寒假day10
第十天：请写出以下几个数据的类型 整数 a int a的地址 int* 存放a的数组b …...
本地部署与使用SenseVoice语音大模型简析
前言 SenseVoice 是一种语音基础模型，具有多种语音理解功能，包括自动语音识别 (ASR)、口语识别 (LID)、语音情感识别 (SER) 和音频事件检测 (AED)。本博客将指导您安装和使用 SenseVoice 模型，使其尽可能方便用户使用。 Github 仓库链接: ht…...
Kafka SASL/SCRAM介绍
文章目录 Kafka SASL/SCRAM介绍1. SASL/SCRAM 认证机制2. SASL/SCRAM 认证工作原理2.1 SCRAM 认证原理2.1.1 密码存储和加盐2.1.2 SCRAM 认证流程 2.2 SCRAM 认证的关键算法2.3 SCRAM 密码存储2.4 SCRAM 密码管理 3. 配置和使用 Kafka SASL/SCRAM3.1 Kafka 服务器端配置3.2 创建…...
中间件漏洞之CVE-2024-53677
目录 什么是struts？CVE-2024-53677简介影响版本复现环境搭建漏洞利用修复 什么是struts？ 在早期的 Java Web 开发中，代码往往混乱不堪，难以维护和扩展。比如，一个简单的用户登录功能，可能在不同的 Java 类…...
pytorch基于 Transformer 预训练模型的方法实现词嵌入（tiansz/bert-base-chinese）
以下是一个完整的词嵌入（Word Embedding）示例代码，使用 modelscope 下载 tiansz/bert-base-chinese 模型，并通过 transformers 加载模型，获取中文句子的词嵌入。 from modelscope.hub.snapshot_download import snaps…...
Windows电脑本地部署运行DeepSeek R1大模型（基于Ollama和Chatbox）
文章目录 一、环境准备二、安装Ollama2.1 访问Ollama官方网站2.2 下载适用于Windows的安装包2.3 安装Ollama安装包2.4 指定Ollama安装目录2.5 指定Ollama的大模型的存储目录 三、选择DeepSeek R1模型四、下载并运行DeepSeek R1模型五、常见问题解答六、使用Chatbox进行交互6.1 …...
区间覆盖问题
文章目录 1. 题面2. 简单分析3. 代码解答4. TLE的2点可能 1. 题面 给定 N N N个区间 [ a i , b i ] [a_i,b_i] [ai,bi] 以及一个区间 [ s , t ] [s,t] [s,t]，请你选择尽量少的区间，将指定区间完全覆盖。 输出最少区间数，如果无法完全…...
【LLM-agent】(task2)用llama-index搭建AI Agent
note LlamaIndex 实现 Agent 需要导入 ReActAgent 和 Function Tool，循环执行：推理、行动、观察、优化推理、重复进行。可以在 arize_phoenix 中看到 agent 的具体提示词，工具被装换成了提示词ReActAgent 使得业务自动向代码转换成为可能&am…...
SpringAI 人工智能
随着 AI 技术的不断发展，越来越多的企业开始将 AI 模型集成到其业务系统中，从而提升系统的智能化水平、自动化程度和用户体验。在此背景下，Spring AI 作为一个企业级 AI 框架，提供了丰富的工具和机制，可以帮助开发者将…...
【axios二次封装】
axios二次封装 安装封装使用 安装 pnpm add axios封装 // 进行axios二次封装：使用请求与响应拦截器 import axios from axios import { ElMessage } from element-plus//创建axios实例 const request axios.create({baseURL: import.meta.env.VITE_APP_BASE_API,…...
P7497 四方喝彩 Solution
Description 给定序列 a ( a 1 , a 2 , ⋯ , a n ) a(a_1,a_2,\cdots,a_n) a(a1,a2,⋯,an)，有 m m m 个操作，分四种： add ( l , r , v ) \operatorname{add}(l,r,v) add(l,r,v)：对于所有 i ∈ [ l , r ] i \in [l,r…...
深入剖析 Bitmap 数据结构：原理、应用与优化策略
深入理解 Bitmap 数据结构 一、引言 在计算机科学领域，数据的高效存储和快速处理一直是核心问题。随着数据量的不断增长，如何用最少的空间和最快的速度来表示和操作数据变得至关重要。Bitmap（位图）作为一种简洁而强大的数据结构…...
bypass hcaptcha、hcaptcha逆向
可以过steam，已支持并发，欢迎询问！ 有事危，ProfessorLuoMing...
WebForms DataList 深入解析
WebForms DataList 深入解析 引言 在Web开发领域，控件是构建用户界面（UI）的核心组件。ASP.NET WebForms框架提供了丰富的控件，其中DataList控件是一个灵活且强大的数据绑定控件。本文将深入探讨WebForms DataList控件的功能、用法以及在实际开发中的应用。 DataList控件…...
C# List 列表综合运用实例⁓Hypak原始数据处理编程小结
C# List 列表综合运用实例⁓Hypak原始数据处理编程小结 1、一个数组解决很麻烦引出的问题1.1、RAW 文件尾部数据如下:1.2、自定义标头 ADD 或 DEL 的数据结构如下： 2、程序 C# 源代码的编写和剖析2.1、使用 ref 关键字，通过引用将参数传递，以…...
【C++基础】字符串/字符读取函数解析
最近在学C以及STL，打个基础 参考： c中的char[] ,char* ,string三种字符串变量转化的兼容原则 c读取字符串和字符的6种函数 字符串结构 首先明确三种字符串结构的兼容关系：string>char*>char [] string最灵活，内置增删查改…...
大模型-CLIP 详细介绍
CLIP简介 CLIP（Contrastive Language–Image Pre-training）是由OpenAI在2021年提出的一种多模态机器学习模型。它旨在通过大量的文本-图像对进行训练，从而学会理解图像内容，并能将这些内容与相应的自然语言描述相匹配。CLIP的核心…...
1.4 Go 数组
一、数组 1、简介 数组是切片的基础 数组是一个固定长度、由相同类型元素组成的集合。在 Go 语言中，数组的长度是类型的一部分，因此 [5]int 和 [10]int 是两种不同的类型。数组的大小在声明时确定，且不可更改。 简单来说，数组…...
2026年广州商务接待服务哪家服务专业，价格实惠
在广州这座商业之都，高端商务接待服务的需求日益增长。然而，许多企业在选择商务接待服务时，常常面临流程不规范、细节把控不到位、资源匹配不合理等问题。特别是在政企宴请、圈层活动和企业商务配套服务方面，如何确保高标准的服务…...
如何快速实现跨平台输入法词库转换：开源工具的完整指南
如何快速实现跨平台输入法词库转换：开源工具的完整指南 【免费下载链接】imewlconverter ”深蓝词库转换“ 一款开源免费的输入法词库转换程序 项目地址: https://gitcode.com/gh_mirrors/im/imewlconverter 你是否曾经因为更换操作系统或输入法而丢失了多年…...
GBase 8s 之 dbschema 导出数据库对象定义介绍
在数据库管理和开发过程中，经常需要导出数据库对象的定义，以便进行备份、迁移或分析。GBase 8s 提供了 dbschema 工具，能够方便地导出各种数据库对象的定义。本文将详细介绍 dbschema 的使用方法，帮助你快速掌握这一实用工具。…...
如何快速激活Windows和Office：使用KMS_VL_ALL_AIO智能脚本的完整指南
如何快速激活Windows和Office：使用KMS_VL_ALL_AIO智能脚本的完整指南 【免费下载链接】KMS_VL_ALL_AIO Smart Activation Script 项目地址: https://gitcode.com/gh_mirrors/km/KMS_VL_ALL_AIO 还在为Windows系统激活而烦恼吗？想要免费激活Office…...
实测Taotoken多模型聚合服务的延迟与稳定性观感分享
🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度 实测Taotoken多模型聚合服务的延迟与稳定性观感分享 作为需要频繁调用大模型API的开发者，服务的稳定性和可预测性是影响…...
乙烯基甲苯市场深度洞察：年复合增长率（CAGR）为5.7%（2026-2032）
乙烯基甲苯（VT）是乙烯基甲苯单体（间位与对位混合物），分子式C9H10，是一种低挥发、低毒性的环保型单体，可作为苯乙烯的替代物，用于制备不饱和树脂、涂料、绝缘漆及特种橡胶等。QYResea…...
【CLIP论文阅读】：基于自然语言监督的通用视觉预训练范式
论文信息 标题：Learning Transferable Visual Models From Natural Language Supervision会议：ICML 2021单位：OpenAI代码：https://github.com/OpenAI/CLIP论文：https://arxiv.org/pdf/2103.00020.pdf 一、引言&#x…...
Infineon DPS310压力传感器评估与开发实践
1. Infineon DPS310压力传感器评估环境解析在当今快速发展的消费电子领域，高精度压力传感器已成为无人机、可穿戴设备和室内外导航等应用的核心组件。作为行业领先的解决方案，Infineon DPS310凭借其出色的性能和完整的评估环境，为工程师提供了…...
从8b/10b到PAM4：一文搞懂PCIe 6.0/6.1/6.2物理层编码演进史（附对比图）
从8b/10b到PAM4：PCIe 6.0物理层编码技术深度解析 当我们在2023年看到PCIe 6.0规范发布时，最引人注目的变化莫过于其物理层编码方案从传统的NRZ信号转向了PAM4调制。这一变革并非偶然，而是PCI-SIG组织为应对数据中心、AI加速和高性能计算场景下…...
5分钟掌握FanControl：Windows风扇控制终极解决方案
5分钟掌握FanControl：Windows风扇控制终极解决方案 【免费下载链接】FanControl.Releases This is the release repository for Fan Control, a highly customizable fan controlling software for Windows. 项目地址: https://gitcode.com/GitHub_Trending/fa/Fa…...