1.tf.random.categorical()
tf.random.categorical(tf.math.log([[0.5,0.5]]), 5)out[26]:
前乙個引數是概率取log，後乙個是取樣次數，返回的是選中的動作位置，比如這裡0對應輸入概率矩陣[[0.5, 0.5]]中的第乙個，1對應第二個
2.np.random.choice(a, size=none, replace=true, p=none)
表示從a中隨機選取size個數
replace =true表示放回，vice versa
p表示每個元素被抽取的概率，如果沒有指定，a中所有元素被選取的概率是相等的。
由以上，a和p中的元素是存在一一對應的關係的，a填入單獨數字n時，預設取值範圍為[0, n)的整數
np.random.choice([1,2,3,4,5], 3, p=[0.1, 0, 0.3, 0.6, 0])out[30]: array([4, 1, 4])
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習 1 1 0 強化學習介紹
abstract 本文介紹reinforcement learning的具體特點和與其他機器學習演算法不同之處，本文是乙個骨架性的文章，所有專有名詞都保持英文原始單詞，具體內容會在後續中給出詳細解答。keywords reinforcement learning，situation，action，e...
強化學習系列1 強化學習簡介
2015年10月，alphago在和歐洲冠軍進行的圍棋賽上獲得了5 0的完勝，其後的深度強化學習也隨之火了起來。從本期開始開個新坑，一步步把強化學習的內容捋一遍。強化學習 reinforcement learning 是用來解決連續決策問題的一種方法。針對的模型是馬爾科夫決策過程 markov de...