多项式拟合(LSM.py)

一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files

python udp聊天示例源码

利用python爬虫技术爬取部分城市的旅游信息

适合爬虫初学者的必备入门demo，效果如下： 要求环境python3.7,安装库requests，xlwt，re，os采用新手友好的原始正则对文本进行筛选，爬取豆瓣top250电影信息，生成excel表格，可在pycharm中直接运行，默认保存目录D:/test

利用python脚本，调用arcpy工具，提取卫星影像外接矩形适量数据。

前台实现了基本的论坛操作（登录，注册，轮播图，各个板块下的帖子显示，用户信息查看和修改，发帖，点赞，评论等功能），后台是CMS管理系统 主要实现了管理人员的权限分配和限制，个人信息查看和修改，前台板块管理，前台帖子管理，前台轮播图的管理等功能。

SSD: Single Shot MultiBox Object Detector, in PyTorch

手写数字识别实验报告 ├── 基于MLP的手写数字识别机制.docx└── mnist代码流程图.vsdx   1 directory, 2 files

用python画皮卡丘(基于turtle)

【实例简介】