首页 文章 精选 留言 我的

精选列表

搜索[AI绘画],共10000篇文章
优秀的个人博客,低调大师

你斗地主打得过AI吗?卡牌游戏的强化学习工具包RLCard来了!

项目名称: RLCard 项目作者: Daochen Zha 开源许可协议: MIT 项目地址:https://gitee.com/daochenzha/rlcard 项目简介 RLCard 是一款卡牌游戏强化学习 (Reinforcement Learning, RL) 的工具包。 它支持多种卡牌游戏环境,具有易于使用的接口,以用于实现各种强化学习和搜索算法。 RLCard 的目标是架起强化学习和非完全信息游戏之间的桥梁。 RLCard 由 DATA Lab at Texas A&M University 以及社区贡献者共同开发。 项目演示 除了斗地主外,它还支持多种卡牌游戏环境,包括二十一点、德州扑克、UNO、麻将等等。 示例 以下是一个小例子 import rlcard from rlcard.agents import RandomAgent env = rlcard.make('blackjack') env.set_agents([RandomAgent(num_actions=env.num_actions)]) print(env.num_actions) # 2 print(env.num_players) # 1 print(env.state_shape) # [[2]] print(env.action_shape) # [None] trajectories, payoffs = env.run() RLCard可以灵活地连接各种算法,参考以下例子: 小试随机智能体 Blackjack上的Deep-Q学习 在Leduc Hold'em上训练CFR(机会抽样) 与预训练Leduc模型游玩 在斗地主上训练DMC 评估智能体 支持算法 算法 释例 参考 深度蒙特卡洛(Deep Monte-Carlo,DMC) examples/run_dmc.py [论文] 深度Q学习 (Deep Q Learning, DQN) examples/run_rl.py [论文] 虚拟自我对局 (Neural Fictitious Self-Play,NFSP) examples/run_rl.py [论文] 虚拟遗憾最小化算法(Counterfactual Regret Minimization,CFR) examples/run_cfr.py [论文] 如果你想要亲手试一试这个工具包,那么就点击下面的链接前往项目主页看看吧:https://gitee.com/daochenzha/rlcard

优秀的个人博客,低调大师

fast.ai 深度学习笔记:第一部分第三课

原文:Deep Learning 2: Part 1 Lesson 3 作者:Hiromi Suenaga 课程论坛 学生创建的有用材料: AWS 操作方法 TMUX 第 2 课总结 学习率查找器 PyTorch 学习率与批量大小 误差表面的平滑区域与泛化 5 分钟搞定卷积神经网络 解码 ResNet 架构 另一个 ResNet 教程 我们离开的地方: 回顾 [08:24] : Kaggle CLI:如何下载数据 1: 从 Kaggle 下载时,Kaggle CLI是一个很好的工具。 因为它从 Kaggle 网站下载数据(通过屏幕抓取),它会在网站更改时损坏。 当发生这种情况时,运行pip install kaggle-cli --upgrade。 然后你可以运行: $ kg download -u <username> -p <password> -c <competition> 将<username>,<password>替换为你的凭证,<competition>是 URL 中的/c/。 例如,如果你尝试从https://www.kaggle.com/c/dog-breed-identification下载狗品种数据,该命令将如下所示: $ kg download -u john.doe -p mypassword -c dog-breed-identification 确保你曾从计算机上单击过Download按钮并接受以下规则: CurWget(Chrome 扩展程序):如何下载数据 2: 简单的猫狗识别 [13:39] from fastai.conv_learner import * PATH = 'data/dogscats/' sz=224 bs=64 笔记本通常假设你的数据位于data文件夹中。 但也许你想把它们放在其他地方。 在这种情况下,你可以使用符号链接(简称symlink): 这是一个端到端的过程,用于获得猫狗识别的最新结果: 简单的猫狗识别 阅读更多

优秀的个人博客,低调大师

AI技术出海 - 阿里云GPU服务器助力旷视勇夺4项世界第一

MSCOCO(Microsoft Common Objects in Context)是当今世界计算机视觉领域最受关注和权威的比赛之一。9月9日,COCO+Mapillary物体识别联合挑战赛研讨会在ECCV 2018大会如期召开,会上公布竞赛排名,中国参赛团队包揽全部冠军。其中,阿里云GPU客户–旷视科技一举拿下4项世界第一,成为本届竞赛最大赢家。 据悉,今年的联合挑战赛中共包含6项挑战,其中COCO4项,Mapillary2项。旷视科技团队参与了3项COCO比赛(实例分割、全景分割、人体关键点检测)和1项Mapillary比赛(街景全景分割),且全部夺冠。 在人工智能领域,一款优秀产品离不开算力,算法,和数据的三要素。在旷视科技成功的背后,为其提供强大算力支持的正是阿里云最新一代云服务服务器GN6家族,该家族成员包括已经商业化部署

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册