从 Supervised Learning 到 Policy Gradients

Mezereon

 关注

阅读 43

2023-03-25


http://karpathy.github.io/2016/05/31/rl/ 的翻译

从 Supervised Learning 到 Policy Gradients_强化学习


如图，对于有监督学习，深度网络的输出结果是

30% 可能性 predict-label = 0

70% 可能性 predict-label = 1

有labeled ground-truth-label = 0

然后，对类似image 提升predict-label=0 的概率，降低predict-label=1的概率

从 Supervised Learning 到 Policy Gradients_深度学习_02


如图，对于强化学习的 Policy Gradients，深度网络的输出结果是

30% 可能性 predict-label = 0

70% 可能性 predict-label = 1

有reward / ground-truth-label = 0

然后，对类似image 提升predict-label=0 的概率，降低predict-label=1的概率


相关推荐

强化学习--Policy Gradients

爱我中华8898 120 0 0

强化学习系列 5 : Policy Gradients

河南妞 67 0 0

图像增强与改进：从 Histogram of Oriented Gradients 到 GANs

捡历史的小木板 7 0 0

Temporal Ensembling for Semi-Supervised Learning

盖码范 57 0 0

Weakly Supervised Contrastive Learning 论文阅读

SDKB英文 75 0 0

HyperTransformer: Model Generation for Supervised and Semi-Supervised Few-Shot Learning

小时候是个乖乖 63 0 0

【Deep Learning】Self-Supervised Learning：自监督学习

开源分享 54 0 0

SelFlow: Self-Supervised Learning of Optical Flow

十里一走马 55 0 0

论文阅读-Policy Optimization for Continuous Reinforcement Learning

书呆鱼 6 0 0

论文阅读《Self-supervised Graph Learning for Recommendation》

惠特曼 88 0 0

精彩评论（0）

0 0 举报