加载中…
个人资料
用户6484143224
用户6484143224
  • 博客等级:
  • 博客积分:0
  • 博客访问:69
  • 关注人气:0
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
访客
加载中…
好友
加载中…
评论
加载中…
留言
加载中…
分类
博文
标签:

cnn

人工智能

网上大概一个标准的卷积神经网络是有7层构成的,作为深度神经网络分类学习的处理,大概可以做到很多逻辑处理的套路,分类也可以理解为分条件,分流程套路,前四层卷积-池化,卷积-池化,这个不用多说,就是提取训练数据特征值,有什么关键的特征值,最后三层是对特征数据集的全向链接,就是对关键特征的一次在细化分类处理,对最后三层最关键的是如何设计每一层的神经元个数,以及参数优化器的参数设定,我们设计深度神经网络模型往往从后往前设计,为什么呢,因为我们必须要清楚最终输出的结果是什么,然后往前推导,譬如分几类,设置几个标签,最关键的是我们分类的数据到底是什么样,一般而言,我们训练的数据都是0-1之间,如果你的数据集不在0-1之间,请缩放,学习率以及使用什么样的正则化调整学习率,请在代码当中体会,根据误差训练之后的减少情况进行查看,看什么样的学习率是误差在快速减少,不断的尝试。如果我们发现误差的减少的时候,不断在震荡,无论迭代多少次,都在没有多大改观,请增加你的神经元个数,因为当前的神经元个数不足以描述你训练数据的起伏特征,然后在进行训练。。。CNN的经典事例是图像数据,是0-255之间的图像数据,那么你卷积之后初始神经元
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
(2018-12-09 15:26)
标签:

人工智能

it

DQN技术,它的全称是Deep QTable NetWork。它是一个增强学习的基本框架技术。。。它是解决Q_Learning,Sarsa这类增强学习由于QTable数据量太大。并且导致内存使用过大,以及遍历,查询搜索比较困难而设立的。。。那么既然有了这个难题,怎么解决QTable这个数据量过大呢。。。答案就是用神经网络来替代了。。神经网络它唯一的牛逼之处那就是可以存储巨大的数据量。并且可以做到极地的内存成本,要不然前面那些CNN,RNN神经网络模型,他怎么做到训练大量的数据集。并且可以做到输入一个数据集可以对应输出分类信息的概率。。那我们怎么用呢,很简单。。用神经网络替换QTable,你的设计一个对应的神经网络。然后去存储QTable的值。
举个例子。譬如你的位置状态state(x,y),它对应的action(u,d,l,r)上下左右,那好吧,你需要做一个输入是两个值神经网络,输出是四个值的,然后他们做一个一一对应关系。。那么你就可以训练一组QTable值的时候,然后植入这个神经网络,前向传播,反向传播。然后让这个神经网络做到,前向传播输入位置,能够正确输出对应的action。那么这样每一个学习到的价值评分都被训练到对应的神经网络中,就可以进行基本的网络运行了,这就是DQN的
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

it

人工智能

举个例子严格来说,让一个数据集(1,0.8),怎么通过调节权重和偏置最终输出接近于(1,0),或者(1,1),这里面会用到二次代价函数,以及偏导数来解决。。网上有很多的推导公式,这里就不做推导了,我们怎么样去用这些二次代价函数,导数,偏导数,在程序中去解决一个数据集。(咱们先不考虑激活函数,因为激活函数加进去,你发现它的梯度消失的很严重,解决梯度消失,我们这里不考虑,你可以网上找到它的答案)然后进行训练以接近最终的结果,进而你能够理解多个数据集的含义,我们只解决一个数据集。
double y = 0.8;
double x = 1;

//初始化权重,偏置,这个你可以随机一个,但是呢,我们想一目了然,所以给定一个值。
double w = 0.6;
double b = 0.2;

//那么也就是说,上面的参数给定。。。下面这个公式是成立的。(0.8 = 0.6 * 1 +0.2)
y = w*x +b;

怎么样让y经过梯度下降算法,调整w和b的值,从0.8变化最终生成或者接近0,你可能会说很简单啊。不断的减小w和b的值,y的值就会变小,一直调整,最终y的值会慢慢接近
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

it

人工智能

cnn

我们在网上看到学到大部分都是CNN怎么智能化看图片。已经图片和视频信息分辨,这些都需要大量的数据集进行训练的,无可厚非,因为你只有见到过或者训练过才能识别。否则它也不能正确处理和分辨,当然一些特征存在他还是能够区分的。那我们怎么对游戏逻辑进行设定数据集然后训练呢。
1,定义你的数据集的触发条件的数据集
2,定义你的数据集触发条件的数据集的标签,
3,定义的CNN的数据模型,卷积层模型,以及全连接层的数据模型
4,设定柔性最大值的标签输出。
具体的举个例子。我们CNN做图片训练集训练的时候,都是像素数据,那么我们要做的就是把像素数据每一个像素都标记成游戏执行标签概率的条件,那么每一个像素数据都代表一个条件,这个条件是有先后的,像素也是有先后的,那么这就可以把像素变成条件成立的标记,那么要执行的逻辑就是定义标签的概率达到最大就行了。其实这不仅仅是游戏逻辑,大部分的人工智能开发基本都可以这么做。举个例子
我们定义一个数据集标签1代表技能攻击,他对应数据集就是条件1,我的技能冷却时间到了,条件2,你在我技能打击的范围内,条件3我的攻击比你强,条件4我的气血
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

it

开发工具:windows7,Pycharm,CentOs7.2,Xshell,XFtp
语言插件包:Python3.6.7,Django2.1.3,Pipenv,nodejs,pm2

我为什么要用Pipenv+nodejs,而没有用virtualenv,因为简单,没有那么繁琐的东西,况且Pipenv已经包括了virtualenv,我们大家都是在windows平台下面开发,然后部署到Linux系统下的,这是大部分人都想这么做,(你想负载均衡可以在配置一个ngingx,这里不讨论nginx负载均衡的问题)。
别看他用了一堆东西,很吓人,其实他用的东西,只是一个命令而已,一个工具,一个命令带过.

用了这些工具,你可以只配置一个文件,就可以立马看到你部署的成果。

至于说CentOS7.2云服务器,你可以网上租一个,
我们的工作就从Phcharm开始,你先创建一个Django工程,
注意:
    1,创建的Django工程
    选择虚拟机
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 

亲爱的朋友:

    欢迎您在新浪博客安家,您的博客地址是:http://blog.sina.com.cn/u/6484143224

    您可以用文字、图片、视频记录和展示最真实的自我,与网友交流,与线上好友聊天,还能通过手机发表博文和上传图片,随时随地记录心情和身边趣闻。

    我们为您提供了丰富的炫酷模板来装点您在网上的家园,强大的音乐播放功能更能陪伴您的网络生活。准备好了吗?现在就开始精彩的博客之旅!

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
  

新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

新浪公司 版权所有