首先再熟悉一下python的引數傳遞：
對於不可變物件（number，string，tuple）作為引數時，相當於c語言的值傳遞；
對於可變物件（list，dict）作為引數時，相當於c語言的引用傳遞。
a3c演算法是actor critic演算法的並行擴充套件。
為了訓練一對actor critic，將其複製多份，複製的每一對各自訓練，之後將每一對進行綜合，
再然後將綜合後的好的結果反饋給每一對複製出來的actor critic，一來一回能提高強化學習的學習效率。
首先新建乙個公共網路，此公共網路裡的引數可以被所有子網路共享。
(每個子網路進行訓練，用這些子網路的梯度訓練此公共網路的引數，進行一次梯度下降後，
將此公共網路的引數數值賦值給此子網路，然後繼續這樣的過程)
a3c演算法充分利用了並行演算法的優勢，各個子網路可以訓練不同的資料。
a3c與actor critic**實現的最大的不同在於（根據莫煩python的github**實現）：
（1）平行計算下的引數、梯度共享
（2）a3c的actor輸出為表示分布的mu（均值）與sigma（標準差），這裡直接根據分布來取樣，
而不再是輸出一堆概率來根據概率選擇了。choose_action時直接sample乙個。
增強學習（強化學習）算例之Q learning
我認為本文是學習率為1的q learning。為什麼這麼講呢？根據q learning演算法 程式設計師們有些什麼好玩兒的程式分享？嶽大禹的回答 看到這道題題主希望用簡單的例子介紹q learning，於是就想通過小鳥的例子，介紹一下q learning的過程。提到q learning，我們需要先了...
對偶學習與強化學習
參考 實際上這個對偶遊戲和強化學習的過程比較類似。在強化學習中，我們希望提高我們的策略以最大化長遠的回報，但是沒有標註的樣本告訴我們在某個狀態x哪個動作y是正確的。我們只有通過使用這個策略在不同的狀態下執行不同的動作，觀測該動作帶來的回報，從而改善我們的策略。在以上這個翻譯對偶遊戲中，兩個翻譯模型就...
機器學習（3）強化學習 入門
在機器學習的監督學習，無監督學習和強化學習中，我最喜歡強化學習，因為強化學習最接近動物的學習方式，而且業務需求特別強烈。reinforcement learning 增強學習，以下簡稱rl rl背後的乙個核心概念是價值估計，並據此進行相應動作。在繼續深入之前，最好先了解一些術語。在rl中，實施動作的...