強化學習包含智慧型體和智慧型體所在的環境兩部分，如下圖，
智慧型體又要和環境進行互動，互動主要是指智慧型體的動作會根據環境的狀態獲得獎勵或懲罰，如下圖，
強化學習的應用也很廣泛，如下圖，
強化學習和其他學習的關係，如下圖，
強化學習對比其他學習注重的是決策問題，通過智慧型體與周邊環境的互動學會了如何能獲得更多的獎勵。
parl除了用來開發強化學習演算法，提供了十分便捷的python多執行緒平行計算介面，可以單獨拿來做運算加速。眾所周知，python由於gil(全域性鎖)的存在，不能充分利用多核cpu實現真正意義的多執行緒並行運算。多程序雖然可以避免全域性鎖的問題，但程序間通訊會增加開發難度。parl在底層解決了這些問題，使用者在寫**時只需在需要平行計算的地方新增修飾符(@parl.remote_class)，然後按照一般多執行緒的寫法程式設計即可利用多cpu實現真正的並行化。這個真的很讚。
如果大家有算力，可以使用paddlegpu來訓練模型，具體操作為
選擇高階版執行環境
安裝paddle-gpu
!pip install paddlepaddle-gpu==1.6.3.post107 -i --trusted-host pypi.douban.comif os.path.exists(os.path.join('model_dir_3','steps_210863.ckpt')):
agent.restore(os.path.join('model_dir_3','steps_210863.ckpt'))
百度7日開啟營 Python AI學習心得
之前才加了疫情cv的打卡營，大概了解了paddlepaddle是如何構建神經網路 訓練模型 使用模型，但再過程中由於對python不了解 寫起來比較困難。所以，當得知有python基礎的打卡營，就第一時間報名了。一 感觸 到現在一共上了6次課，前3次是python相關的知識，後3節課是基於paddl...
百度7日強化學習總結
基本概念包括 兩部分 agent智慧型體，environment 環境 三要素 state狀態，動作action，reward獎勵。agent學習兩種策略 基於價值的value based 隨機性策略，代表性的有sarsa，q learning,dqn 基於策略的policy based 隨機性策略...
GNN 百度GNN7日打卡營心得
本次打卡營收穫許多，了解到圖更深層次的應用。許多演算法的機理是簡單的，卻能有巨大的應用。第一次課是對圖論的複習以及圖學習的乙個初步介紹，我的學習筆記可見 第二次課是對圖遊走類模型中的deepwalk node2vec methpath2vec進行介紹。因為如果一幅圖很大 節點 邊數太多 則在訓練時若...