无Gym的Tensorflow强化学习
是指在使用Tensorflow框架进行强化学习算法开发时，不依赖于OpenAI Gym这个常用的强化学习环境库。在传统的强化学习中，使用Gym可以方便地创建各种强化学习环境，如游戏、机器人控制等，以便进行算法的训练和评估。然而，有时候我们可能需要开发一些特定的强化学习场景，而Gym中并没有提供相应的环境，或者我们希望更加灵活地控制环境的行为和状态。
在无Gym的Tensorflow强化学习中，我们可以通过自定义环境类来实现特定的强化学习场景。这个自定义环境类需要继承自Tensorflow的环境基类，并实现必要的方法，如reset()、step()等。通过这些方法，我们可以定义环境的初始状态、动作空间、状态转移规则等。同时，我们还可以使用Tensorflow的强化学习算法库，如tf-agents、Stable Baselines等，来进行算法的训练和评估。
无Gym的Tensorflow强化学习的优势在于灵活性和可定制性。通过自定义环境类，我们可以根据具体需求设计和实现各种强化学习场景，而不受Gym提供环境的限制。同时，由于使用Tensorflow框架，我们可以充分利用其强大的计算和优化能力，加速算法的训练过程。
无Gym的Tensorflow强化学习可以应用于各种领域，如机器人控制、自动驾驶、游戏智能等。通过自定义环境类，我们可以模拟和解决各种实际问题，提高系统的智能化水平。
腾讯云提供了一系列与Tensorflow相关的产品和服务，如云服务器、GPU实例、容器服务等，可以支持无Gym的Tensorflow强化学习的开发和部署。具体产品和服务的介绍和链接地址如下：
- 云服务器：提供高性能的云服务器实例，可用于搭建强化学习算法的训练环境。详情请参考：腾讯云云服务器
- GPU实例：提供配备强大GPU计算能力的云服务器实例，可加速深度学习和强化学习算法的训练过程。详情请参考：腾讯云GPU实例
- 容器服务：提供容器化应用的管理和部署服务，可方便地部署和运行Tensorflow等框架的应用。详情请参考：腾讯云容器服务
通过腾讯云的产品和服务，我们可以构建强化学习算法的开发和部署环境，提高算法的效率和性能。
相关·内容
**TLDR的底部我已经搜索了几天，而我只是不知道什么谷歌，因为我是非常新的机器学习。经过研究，我认为tensorflow是一个很好的起点(我愿意接受其他建议)。当我寻找tensorflow的例子时，它们都需要一个大型的数据存储库才能输入程序，但我更感兴趣的是创建一个在玩游戏时学习的AI，比如Tic Tac Toe。我很难搞清楚该怎么做。任何建议都有帮助，谢谢！
TLDR:有什么好的、简单的机器学习程序(最好是tensorflow)可以帮助我制作一个Tic-Tac-Toe AI。
浏览 1提问于2019-03-19得票数 0
回答已采纳
我尝试使用健身房已经有几个星期了。然而，我没有成功。我正在尝试运行CartPole的这个实现，但收到一个返回错误：
NotImplementedError:摘要
据我所知，我已经安装了健身房。然而，无论出于什么原因，当我试图访问它时，我没有任何功能。
import gym
env = gym.make('CartPole-v0')
for i_episode in range(20):
env.render()
print(observation)
action = env.action_space.sample()
observation
浏览 1提问于2018-09-29得票数 1
3回答
学会使用GPU吗？
、、、、
阅读scikit的实现--在TensorFlow：和scikit中学习--学习：，我正在努力决定使用哪个实现。
学习是作为tensorflow码头容器的一部分安装的，所以可以使用这两种实现。
使用scikit的理由--学习：
与tensorflow实现相比，学习包含更少的样板。
使用tensorflow的原因：
如果运行在Nvidia GPU上，算法将被并行运行，我不确定scikit-learn是否会利用所有可用的GPU？
读取
TensorFlow更低层次；基本上，乐高积木可以帮助您实现机器学习算法，而scikit- learning则为您提供现成的算法，例如支持向量机、随
浏览 10提问于2017-01-10得票数 108
回答已采纳
tensorflow.Estimator似乎倾向于监督学习，但似乎很难采用其他任务，即使只需要对模型或训练进行很小的更改。例如，在强化学习中，我需要提供一个不属于features的奖励值。
浏览 0提问于2018-03-14得票数 5
1回答
我正在使用强化学习教一个人工智能，一个奥地利纸牌游戏，与不完美的信息，称为施纳普森。对于不同的游戏状态，我有不同的神经网络(使用不同的特征)来计算值/策略。我想尝试使用RNN，因为过去的操作对于导航未来的决策可能很重要。
然而，当我使用多个神经网络时，我需要不断地将隐藏状态从一个RNN转移到另一个RNN。我不能完全做到这一点，特别是在训练期间，我不知道如何通过时间进行反向传播。我很感谢您的任何建议或链接到相关的论文/博客！
我目前正在使用Julia中的Flux，但我也愿意使用Python中的Tensorflow或Py火炬。
浏览 0提问于2021-10-11得票数 1
1回答
使用无外部库的Q学习模型
、、、、
我正在尝试在一个基于吃豆人的游戏中使用强化学习。我想使用Q学习技术来生成我的代理的操作。我计划使用openai-gym和keras库来训练我的模型，但我希望有一种方法可以保存我的模型并使用它，而不使用open-gym和keras库(在它被训练之后)。据我所知，Q学习可以用来生成状态-动作对，我想知道是否可以将这些组合的所有可能组合保存到Pacman这样的可解系统中。这似乎有点不切实际，所以如果你有任何其他想法，我很想听听。
浏览 2提问于2019-04-08得票数 0
Google搜索推出了许多开源的深度学习框架。这是一个收集的列表
Google TensorFlow
Theano
mxnet
keras
Pylearn2
Blocks
Lasagne
chainer
scikit-neuralnetwork
theano-lights
deepy
idlf
reinforce.js
opendeep
mxnet.js
CGT
Torch
Caffe
scikit-cuda
cuda4py
用Hadoop流和MapReduce可以直接实现哪一个？
优先考虑Python，也可以考虑使用其他语言。
编辑：
目前我主要对深度强化学习和LSTM感兴趣。
浏览 0提问于2016-01-21得票数 2
回答已采纳
2回答
我有一个关于强化学习的问题。如果我们在无监督方法中使用一种机制来发现环境的响应，以提高其性能，那么该方法仍然是无监督的吗？
换句话说，使用环境的响应，一个方法是有监督的，还是我们可以以无监督的方式来做？如果是这样的话，是怎么做的？
浏览 0提问于2013-12-08得票数 2
1回答
自我监督学习在ML中有哪些缺点？
、、、、
在过去的几年里，自我监督学习一直在上升。与其他学习方法(如监督学习和半监督学习)相比，它具有一定的优势，因为它不需要标记数据。
我想知道自我监督学习是否有什么缺点，在什么方面半监督学习比它更好。
浏览 2提问于2021-09-08得票数 0
回答已采纳
2回答
我想用强化学习机器学习的方法来研究和开发一些应用。我已经熟悉使用监督学习的分类问题。
有人能给我推荐一些资料(链接，youtube教程，pdf笔记，.)吗？还是Rstudio中的一些简单脚本(可能使用虹膜数据集)开始学习？
谢谢!
浏览 0提问于2021-11-15得票数 0
回答已采纳
2回答
我有个很简单的问题。然而，我已经进行了广泛的搜索，无法找到答案。遗传算法被认为是一种无监督学习的形式吗？我知道算法是独立进化的，但是种群中每个个体的适应度是定期测量的(监督的？)。
该算法的目的是通过遗传算法优化一组启发式权重。
谢谢你的帮助！-
浏览 12提问于2013-12-23得票数 3
回答已采纳
我正试图在OpenAI健身房中设置一个具有自定义环境的深度Q学习代理.我有4个连续状态变量和3个具有个体限制的整数作用变量。
以下是代码：
#%% import
from gym import Env
from gym.spaces import Discrete, Box, Tuple
import numpy as np
#%%
class Custom_Env(Env):
def __init__(self):
# Define the state space
#State variables
s
浏览 21提问于2021-12-07得票数 2
回答已采纳
1回答
我创建了一个自定义的openai健身房环境，它有一个离散的动作空间和一个有点复杂的状态空间。状态空间被定义为元组，因为它结合了一些连续的维度和其他离散的维度： import gym
from gym import spaces
class CustomEnv(gym.Env):
def __init__(self):
self.action_space = spaces.Discrete(3)
self.observation_space = spaces.Tuple((spaces.Discrete(16),
浏览 73提问于2019-10-09得票数 4
回答已采纳
2回答
我有一个关于强化学习(RL)在我们试图解决的问题上的适用性的基本问题。
我们正在尝试使用RL进行库存管理--在这种情况下，需求完全是随机(它可能在现实生活中有一种模式，但现在让我们假设我们被迫被视为纯粹的随机)。
据我所知，RL可以帮助学习如何玩游戏(比如下棋)，也可以帮助机器人学会走路。但是所有的游戏都有规则，还有“购物车杆”( OpenAI Gym) --有一些“物理”规则控制着推车杆什么时候会翻倒。
对于我们的问题，没有规则-环境变化随机(对产品的需求)。
RL真的适用于这种情况吗？
如果是这样的话-那什么能提高性能呢？
进一步的细节：-从“环境”中唯一可以得到的两种刺激是目前可用的产品
浏览 2提问于2018-10-10得票数 2
我是机器学习的新手。在阅读关于监督学习，无监督学习，强化学习的时候，我遇到了一个问题，如下所示，并感到困惑。请帮助我在以下三项中识别出哪一种是监督学习，无监督学习，强化学习。
哪种类型的学习(如果有的话)最适合描述以下三种情况：
(i)为自动售货机设立硬币分类系统。为此，开发人员从美国造币厂获得准确的硬币规格，并推导出大小、重量和面额的统计模型，然后自动售货机使用该模型对硬币进行分类。
(ii)不是打电话给美国造币厂来获取硬币信息，而是给出了一种算法，其中包含大量标记的硬币。该算法使用这些数据来推断决策边界，然后自动售货机使用这些边界对其硬币进行分类。
(iii)计算机通过重复玩Tic-Tac
浏览 3提问于2013-04-03得票数 5
使用with tf.Session(graph = g) as sess:不会给我一个错误，但是如果我使用sess = tf.session(graph = g)，我会得到一个错误
g = tf.Graph()
with g.as_default():
v1 = tf.Variable(1,name = "v1")
v2 = tf.Variable(2,name = "v2")
with tf.session(graph = g) as sess:
sess.run(tf.global_variables_initializer(
浏览 1提问于2019-02-10得票数 0
回答已采纳
2回答
我在虚拟设备上安装健身房-atari有困难。据我所知，这个问题似乎与zlib有关，但zlib已安装在系统上(cmake也是如此)。有人有什么想法吗？这是在Gentoo系统上，因为它是值得的：
(tensorflow)alaya ~ # pip install gym[atari]
Requirement already satisfied: gym[atari] in /opt/tensorflow/lib/python2.7/site-packages
Requirement already satisfied: six in /usr/lib64/python2.7/site-
浏览 2提问于2017-01-06得票数 2
回答已采纳
这是我在这里的第一篇文章，我来这里讨论或得到一些我难以理解的东西的澄清，即无模型与基于模型的RL方法。我目前正在实现Q-learning，但我不确定我做得是否正确。
例如:假设我正在对倒立摆应用Q学习，其中奖励是以摆向上位置之间的绝对距离给出的，而终端状态(或目标状态)被定义为当摆非常接近向上位置时。
这个设置是否意味着我有一个无模型的或基于模型的设置？根据我的理解，这将是基于模型的，因为我有一个环境的模型，它给了我奖励(R=abs(pos-wantedPos))。但是后来我看到了一个使用Q-learning ()的实现，这是一个无模型的算法。现在我一无所知..。
感谢所有的回复。
浏览 1提问于2018-05-02得票数 1
3回答
我理解为什么机器学习是这样命名的，除此之外，还有监督学习和无监督学习背后的术语。那么，关于强化学习，reinforced是什么？
浏览 63提问于2018-05-28得票数 4
回答已采纳
我在做强化学习。运行Atari示例将导致OSerror。
我使用Win 10和tensorflow 1.3，keras 2.2.2
import gym
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Reshape, Flatten
from keras.optimizers import Adam
from keras.layers.convolutional import Convolution2D
File "C:\Users\Lim\Anaconda
浏览 0提问于2018-09-21得票数 1
我实现了一个神经网络，它使用gym，box2d和gymatari学习玩PacMan，使用Keras模型。训练非常慢，所以我试着在我的GTX 1060 Max-Q上跑步。我安装了最新版本的Tensorflow，安装了CUDA11.0和cuDNN 8.0.4.30。程序成功打开所有库，正确检测图形处理器，创建张量设备，启动渲染的第一帧，冻结约9秒，然后退出，代码为-1073740791 (0xC0000409)。 为什么会发生这种情况?我可以做些什么来修复它？
浏览 30提问于2021-01-03得票数 0
2回答
我的问题与构建推荐系统有关。我正在使用tensorflow使用user_features、item_features和交互来训练模型。
如何处理新数据？
例如，每当用户点击一个项目时，我希望立即记录该交互，并从该交互中学习(针对该交互训练模型)。我该怎么做呢？
当前实现
现在，我遵循的是先训练模型，然后进行预测的传统方法。为了处理新的交互，我必须重新初始化图形，并使用所有数据重新训练以使其工作。
我希望对此有一些解决方案。
谢谢
浏览 1提问于2018-09-03得票数 4
我知道指定total_timesteps=是一个require参数，但是如何在特定的事件中结束model.learn()呢？请原谅我，因为我对stables_baselines3还是新手，而pytorch仍然不知道如何在代码中实现它。
import gym
import numpy as np
from stable_baselines3 import DDPG
from stable_baselines3.common.noise import NormalActionNoise
env = gym.make('NeuralTraffic-v1')
n_actions =
浏览 14提问于2022-02-05得票数 0
2回答
我是B.Sc毕业生。我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。
我最近听说了不同的人工智能训练来玩游戏，如马里奥，围棋等。
为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？对于初学者来说，你推荐什么游戏？
这是我目前在机器学习中所知道的-
课程介绍和机器学习。K-最近邻算法和K-均值算法
统计推断
高斯混合模型(GMM)与期望最大化
可能是近似正确的模型，包括泛化界和模型选择。
基本的超平面算法:感知器和Winnow。
支持向量机(SVM)
核粒
促进弱学习者向强学习者学习: AdaBoost
边缘-感知器
回归
PCA
决策树
决策树修剪与随机林
浏览 0提问于2017-01-04得票数 9
回答已采纳
1回答
萨顿的书把我介绍给了RL。为了进一步了解这些知识，我想探讨一下代理如何从原始像素中学习，并尝试使用H2O实现一个示例。我想使用Java。
我应该用的是汽水吗？
如何将原始像素流到h2o？例如，如何使用乒乓球游戏使h2o RL代理学习？使用了什么深度学习h2o API？
如果答案与h2o有关，我将不胜感激，因为我参考了其他文献来了解RL。
更新：
但是，我仍然需要弄清楚如何使用Java从游戏中流出图像像素，以帮助h2o RL代理学习。示例主要使用R和Python。
浏览 7提问于2017-05-08得票数 0
回答已采纳
1回答
如果我要用遗传算法训练一个人工神经网络的权重，这是什么类型的学习呢？我相信它是无人监管的但它有名字吗？它似乎可能属于强化学习，但我不太确定。
浏览 4提问于2014-02-23得票数 1
回答已采纳
我正在使用tensorflow实现我的第一个强化深度学习模型，我正在为其实现。
我求助于一个深度神经网络，它使用六个层次，对随机生成的数据集进行训练，其得分超过一个阈值。问题是，模型没有收敛，最终得分平均保持在10分左右。
如所建议的，在阅读了某些帖子后，我申请了正规化和辍学，以减少任何可能发生的过度拟合，但仍然没有运气。我也试着降低学习率。
在训练一批之后，精度也保持在.60附近，尽管在每次迭代中损失都在减少，我认为即使在这些迭代之后，它也会记住。虽然这种模式适用于简单的深度学习任务。
这是我的代码：
import numpy as np
import tensorflow as tf
im
浏览 2提问于2017-07-02得票数 1
回答已采纳
1回答
我是一个机器学习新手，试着学习Q-学习。我读了几篇文章，得到了一般的要点，但我真正想要看到的是一个简单的Python Q学习算法的例子，我可以在里面运行和玩。
它可以解决最简单的游戏，我不是在寻找任何花哨。
我搜索并找到了许多使用gym框架的示例。这个框架看起来很棒，我以后可能会使用它，但是我想要一个Q-学习算法的最简单的版本，没有什么是自动为我做的。我认为这将帮助我更好地了解正在发生的一切。
你知道q学习的一个简单的Python实现吗？
浏览 0提问于2020-09-05得票数 2
2回答
是否可以在有监督的模型上使用“强化学习”或反馈回路？
我使用监督学习模型(更确切地说是线性回归模型)解决了一个机器学习问题，但我希望通过对预测输出创建一个反馈环来改进结果，即如果算法在某些例子上出错，就告诉算法。
据我所知，这基本上就是强化学习的工作原理:该模型从正负反馈中学习。
我发现我们可以使用PyBrain实现有监督学习和强化学习算法，但我无法找到两者之间的关联方法。
浏览 2提问于2019-07-11得票数 0
1回答
我在我的github存储库()中做了一个游戏，并创建了一些代码来对机器进行游戏。现在，为了学习和joy的目的，我想创造一些人工智能与Tensorflow.js，可以玩游戏，甚至赢。
游戏很简单，每个回合玩家点击一个方边，它被标记为玩家的颜色。关闭正方形的球员能得分，并能继续他的回合。
我用Tensorflow.js做了一些测试，但我一点也不明白。我所能做的就是验证一个正方形是否有一个可以点击的边，而不给另一个玩家一个分数，或者自己做一个分数。
const model = tf.sequential();
model.add(tf.layers.dense({ units: 16, input
浏览 0提问于2018-10-18得票数 2
对不起，我删除了这段代码，我不需要帮助
import numpy as np
import gym
import matplotlib
import matplotlib.pyplot as plt
import tensorflow as tf
from env.BeamEnv import BeamEnv
浏览 2提问于2020-11-05得票数 0
在Python中使用OpenAI-gym中的MountainCar-v0环境时，完成的值将在200个时间步长后为真。为什么会这样呢？因为没有达到目标状态，所以不应该做这一集。
import gym
env = gym.make('MountainCar-v0')
env.reset()
for _ in range(300):
env.render()
res = env.step(env.action_space.sample())
print(_)
print(res[2])
我想运行step方法，直到汽车到达旗帜，然后中断for循环。这个是
浏览 0提问于2017-03-14得票数 13
回答已采纳
4回答
我熟悉监督学习和非监督学习的概念，但最近加强了(强化？)学习也在我面前出现过几次。谁能给出一个提示，它是什么，与其他两个(或特别是与无监督类型)的主要区别，有一些很好的例子？这是一个有希望的选择，值得探索，还是只是一些吹嘘的利基好奇心？
浏览 0提问于2016-10-04得票数 6
1回答
我正致力于自动生成餐厅评级，我有各种特征值，如送货时间、成本估算等。我想为每一家餐厅生成0到5之间的评级。但我没有任何培训数据或基本事实可供验证。此评等可能因用户而异。大部分相关工作，大多与Yelp数据挑战相关，都有一定的相关得分作为训练数据。我想使用强化学习来学习与用户反馈的评级，但不确定如何做到这一点。有人能为这个问题提出一个相关的技术或算法吗？
浏览 0提问于2015-06-12得票数 0
我对机器和深度学习非常陌生。我的疑问是，如何将强化学习添加到使用传统神经网络开发的图像分类器中，以随着时间的推移提高其性能？
浏览 23提问于2020-05-10得票数 0
1回答
目前，当我渲染任何Atari环境时，它们总是加速的，我想以正常的速度查看它们。我正在使用Gym Atari和Tensorflow，以及Windows上的Keras-rl。语言是python。
浏览 3提问于2019-08-17得票数 1
1回答
大多数材料(例如大卫·西尔弗的在线课程)我都能找到关于监督学习和强化学习之间关系的讨论。然而，它实际上是监督学习和在线强化学习的比较，在这种情况下，agent在环境中运行(或模拟交互)，以获得对底层动力学的有限知识的反馈。
我对离线(批量)强化学习更感兴趣，在这里，数据集(收集的学习经验)是先验的。与监督学习相比，有什么不同？他们可能有哪些相似之处？
浏览 4提问于2021-08-14得票数 0
回答已采纳
1回答
C++强化学习库
、、
我一直在寻找一个实现强化学习算法的C++库，但对结果不是很满意。
我从TU Graz找到了，但不幸的是这个项目太旧了，我无法编译它。
还有来自的代码。它看起来很有希望，但似乎没有得到积极的维护。
在C++中，您使用哪些库进行强化学习？
浏览 2提问于2012-01-06得票数 15
我尝试使用keras.initializers类中的HeUniform()方法，但是当我运行我的代码时，我得到了以下输出：
AttributeError: module 'tensorflow_core.keras.initializers' has no attribute 'HeUniform'
我运行的代码如下：
init = tf.keras.initializers.HeUniform()
我的导入是：
import gym
import tensorflow as tf
import numpy as np
from tensorflow impor
浏览 78提问于2021-02-24得票数 0
回答已采纳
1回答
问题陈述:我们被给予一个优化问题，生产中心，源机场，目的地机场，转运站，并最终交付给客户。下面的图片更好地解释了这一点。
📷
目标函数1:最小化成本=库存成本+运输成本+罚款成本+装卸成本
库存成本=货源机场的库存成本+配送中心的库存成本
运输费用=从生产中心向货源机场运送货物的费用(通过卡车)+通过航线运输货物的费用(通过航班)+将货物从配送中心运送到转运站的费用(通过卡车)+从转运站向客户运送货物的费用(通过无人机)
罚款费用=经营飞行路线的费用和延误罚款费用
装卸费用=在生产中心卡车上装载货物的费用+在转运点从卡车卸货的费用
数学解决方案(使用IBM / Docplex)：包含该公式的完
浏览 0提问于2021-11-15得票数 3
在深入学习中，我们可以用损失函数值来评估模型的性能，并通过K倍交叉验证等方法来提高模型的性能。但是，如何设计和优化神经网络在深度强化学习中的应用呢？我们可以用奖励等来评估强化学习算法本身的性能，但是如何保证神经网络在强化学习算法中的应用是好的还是坏的呢？
浏览 0提问于2019-02-08得票数 3
我正在学习强化学习和教程。我正在尝试运行CartPole-v0环境的一个实例，并得到此错误。
import gym
env = gym.make('CartPole-v0')
env.reset()
for _ in range(1000):
env.render()
env.step(env.action_space.sample())
SyntaxError: Non-ASCII character '\xc2' in file /home/kshitizsahay26/gym/gym/envs/classic_control/cartpo
浏览 2提问于2018-10-01得票数 1
我相信这个问题已经得到了回答，但我找不到任何能解决我具体问题的东西。
我想在玩具游戏中玩一些强化学习算法。给定一个特定的游戏状态，我希望网络预测动作A。给定的动作A，我会更新游戏状态，然后在这个新的游戏状态上再次调用网络。这会重复到游戏结束。
然而，我不知道如何通过网络的所有预测来反向传播渐变。下面是我的(非常粗略的) tensorflow伪代码，用来描述我的设想：
for game_step in range(max_game_steps):
action = sess.run(predict_action, feed_dict={game_state: current_state}
浏览 1提问于2018-07-23得票数 0
1回答
一切都很好，但是突然运行一个python任务来导入健身房和从健身房导入空间会导致一个错误(尽管它以前工作得很好)：ImportError: cannot import name ' spaces‘
我试过重新安装gym，但我的tensorflow需要漂白版本为1.5，而gym需要升级版本。我尝试将tensoflow从1.8.0升级到1.12.0，结果再次抛出错误: ImportError: libcublas.so.10.0:无法打开共享目标文件:没有这样的文件或目录
浏览 12提问于2019-11-05得票数 1
3回答
Tensorforce、Kerasrl和chainerrl用于强化学习的区别是什么？据我所知，这三种方法都与OpenAI健身房环境有关，并且具有相同的强化学习算法。在表现上有什么不同吗？
浏览 1提问于2018-09-10得票数 1
1回答
我正在尝试在AWS上运行FCEUX仿真器，而不使用图形渲染，以便我的机器学习算法可以更快地训练。到目前为止，我已经尝试使用以下命令从命令行运行FCEUX：
fceux --nogui 1 /home/me/gym/gym/envs/ppaquette_gym_super_mario/roms/super-mario.nes
fceux /home/me/gym/gym/envs/ppaquette_gym_super_mario/roms/super-mario.nes --nogui 1
第一行代码编译并运行rom，但仿真器的图形用户界面仍然显示。
第二行给出了错误
Starting FC
浏览 0提问于2017-08-14得票数 0
我在这里遵循了sentdex的深度学习tensorflow教程：https://www.youtube.com/watch?v=3zeg7H6cAJw。 我一直按照教程学习，直到我了解了以下内容： #import tools
import gym
import random
import numpy as np
import tflearn
from tflearn.layers.core import input_data, dropout,fully_connected
from tflearn.layers.estimator import regression
from statis
浏览 31提问于2019-05-08得票数 1
回答已采纳
2回答
维基百科：
主动学习是机器学习的一种特例，在这种情况下，学习算法可以交互地查询用户(或其他一些信息源)，用期望的输出标记新的数据点。强化学习( Reinforcement，RL)是机器学习的一个领域，它关注的是软件agents应该如何在环境中采取行动，以最大化累积报酬的概念。
如何区分他们？确切的区别是什么？
浏览 0提问于2020-11-13得票数 14
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
