一年一度的SC20国际大学生超算竞赛历来是彰显超算能力的舞台。今年尽管转战线上，各团队在为最顶级超算性能激烈角逐。来自北京的清华大学摘得桂冠，参赛团队由6名来自计算机系的本科生组成，团队搭建的计算集群系统运算性能达到了300 teraflops。*一台1 teraflop的计算机每秒可以处理一万亿次浮点运算。今年共有19支队伍参与超算竞赛。参赛者均为高中生或大学生。团队由六名成员、一名顾
目录数据并行方法一：环境变量 + device + to(device)第一步，指定*备选*的GPU直接终端中设定：python代码中设定：第二步，创建设备（device）第三步，将data和model放置到device上注意事项方法二 函数 set_device + 函数.cuda()第一步，函数set_device设置device第二部，函数.cuda()使用GPU单机多卡分布式 torch
转载
2023-06-14 18:54:53
528阅读
原理简介DQN是Q-leanning算法的优化和延伸，Q-leaning中使用有限的Q表存储值的信息，而DQN中则用神经网络替代Q表存储信息，这样更适用于高维的情况，相关知识基础可参考datawhale李宏毅笔记-Q学习。论文方面主要可以参考两篇，一篇就是2013年谷歌DeepMind团队的Playing Atari with Deep Reinforcement Learning，一篇是也是他们
参考：https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-autograd/#detachsource当我们再训练网络的时候可能希望保持一部分的网络参数不变，只对其中一部分的参数进行调整；或者值训练部分分支网络，并不让其梯度对主网络的梯度造成影响，这时候我们就需要使用detach()函数来切断一些分支的反向传播1
DRM - Direct Rendering Manager DRM是一个内核级的设备驱动，既可以编译到内核中也可以作为标准模块进行加载。DRM最初是在FreeBSD中出现的，后来被移植到Linux系统中，并成为Linux系统的标准部分。 DRM可以直接访问DRM clients的硬件。DRM驱动用来处理DMA，内存管理，资源锁以及安全硬件访问。为了同时支持多个3D应用，3D图形卡硬件必须作为一
转载
2024-05-08 22:44:56
38阅读
Title：Learning a Discriminative Feature Network for Semantic SegmentationFrom：CVPR2018Note data：2019/06/10 Abstract：为解决类内不一致和类内模糊两个语义分割的挑战，提出了一种判别特征网络DFN，包含了平滑网络与边界网络。 Code ：pytorch目录DFN论文解读1 Abstract
转载
2024-05-27 15:43:33
23阅读
DQNDQNDQN
原创
2021-08-02 15:18:05
113阅读
一、DQN详解1） Qlearning --> DQN对于离散状态空间，若智能体所处的状态成千上万，用Qlearning表格法存储状态很不实际，对于连续状态空间同理。为了在连续状态空间下应用类似Qlearning的学习方式，需要对值函数进行逼近，故出现了DQN算法。2） DQN实现流程s : 当前状态 a : 当前s下，智能体根据策略（eval_model）给出决策a r, s_ : 当前s
转载
2024-04-18 09:35:01
893阅读
前叙：有灵魂的程序都是每一个程序员的最终目标。TensorFlow了解下？ 打算花几个月学机器学习，TensorFlow是很好的选择，折腾了会环境，略有心得分享下。 环境：win10Python：3.6.5TensorFlow-GPU：1.8.0CUDA：9.0 cuDNN：7.1.4 我们来用最简单的方法安装，首先Pyt
转载
2024-08-22 07:32:56
43阅读
DQNDQNDQN
原创
2021-08-02 15:19:51
309阅读
文章目录前言强化学习与神经网络更新神经网络DQN 两大利器参考前言今天我们会来说说强化学习中的一种强大武器, Deep
转载
2022-06-27 17:08:02
102阅读
目录一、一些概念及说明二、设备信息函数一、一些概念及说明1、主机端(Host端)、设备端(Device端、GPU端)在CUDA中，有主机端和设备端这两个概念，主机端是指CPU+内存，设备端是指GPU+显存。主机端的代码在CPU上执行，访问主机内存；设备端代码在GPU上执行，访问显存。在使用GPU计算时，需要在主机内存好显存之间来回拷贝数据；当然，一些新技术可以不用拷贝数据，请参考后面的章节或者CU
转载
2024-04-05 22:29:30
533阅读
 ...
转载
2021-08-19 09:49:00
278阅读
2评论
DQN初步DQN初步DQN初步一 项目代码结构介绍1.1 config.py :存放所有训练需要的超参数1.2 networks.py:构建神经网络1.3 utils.py：工具类1.4 agent.py：智能代理1.5 train_ram.py：针对RAM输入进行训练
原创
2021-08-02 14:35:50
269阅读
Optimization of DQN
原创
2022-09-17 08:21:56
439阅读
# DQN PyTorch：深度强化学习的基础
*注：本文所用代码基于PyTorch 1.9和Python 3.8。*
## 引言
深度强化学习（Deep Reinforcement Learning，DRL）是结合了深度学习和强化学习的一种方法，它通过让智能体（Agent）从环境中获取数据，使用深度神经网络来学习环境的动态变化并作出相应的决策。DQN（Deep Q-Network）是一种经
原创
2023-10-13 07:22:43
126阅读
# 如何实现PyTorch中的DQN
## 一、流程概述
在实现一个基于PyTorch的深度Q网络（DQN）时，通常需要遵循以下步骤：
| 步骤编号 | 步骤详情 |
|---------|--------------------------------|
| 1 | 环境设置 |
| 2
原创
2024-10-22 04:47:39
81阅读
首先，写下这篇博客有两方面原因，一方面是为了自己复习（一个月前明明理顺代码了，现在再看又忘了），另一方面帮助和我一样的初学者快速理解DQN的代码吧。 建议边看上面博客的代码边看本文。1.代码整体整体上来说，我们需要定义三个类ReplayBuffer，Qnet，DQN。 首先从主函数部分开始看： 我们定义的num_episodes为500，通过两个for循环，将整体分为10个iteration，每个
转载
2023-08-22 19:24:51
540阅读
Tensorflow（1.x版本）核心概念Graph和Session Data Flow Graph [数据流图] 计算定义≠执行计算 计算的定义和执行，被很好地分离开了 模型跑起来，需要2步: 描绘整幅图(定义计算) 在session当中执行图中的运算Tensorflow Tensor + Flow 张量在图中通过运算(op)进行传递和变换Tensor是什么？
转载
2024-04-28 19:25:42
34阅读
window10配置paddle环境（GPU版本）开启深度学习模式~ 我安装的是CUDA9的GPU环境（CUDA10什么的同理） 检查自己电脑可以安装CUDA驱动的版本。 我的电脑的话是GF 930MX的显卡 点帮助里面的系统信息，点组件，看自己可以安装CUDA驱动的版本号。 我这里是9.1版本的，因为paddle官网上面显示不支持9.1版本的，所以我安装的是9.0版本的CUDA，可向下兼容。去
转载
2024-05-06 16:43:10
403阅读
