人工智能深度强化学习算法DPPO控制机械臂

前有《鸟哥的Linux私房菜》，今有伟哥的python私房菜。伟哥对鸟哥，都是不可或缺的好基友，一天一粒，保证你无限活力。 Python具有易读、易学、易维护、可移植性、跨平台等特点，在最近几年深受欢迎而迅速崛起。python属于所想即所得的语言，实现功能简单浅显易懂。但是Python的创立者有意设计了限制性很强的语法，使得不好的编程习惯都不能通过编译，本书主要是笔者在实践中所遇到的经常使用的技巧性文章，希望对读者有所帮助。 作者：菜鸟飞不动链接：https://www.jianshu.com/p/980d4a399d71来源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs

python(flask)入门教程.pdf

python下载网易云音乐(仅供参考学习)

【实例简介】

双曲嵌入作为一种捕获层次信息的方法被提出，可以将丰富的结构信息与现代机器学习分布式表达中所青睐的连续表示相融合。本实例将ICD编码嵌入双曲空间得到表征。下面是代码结构和结果分析： 1）数据预处理——数值向量化 将文本数据转换成数值向量，使用split函数将原本连接的文本数据分开,每个文本我们都会得到一个列表，构成词典。 2）主要程序代码 从上到下分别是建立整个网络模型的，构建网络参数的，和训练网络模型的。 3）参数的传入   训练的时候，这些参数的设置，batchsize是64，batchsize就是每轮训练的时候传入的是64个样本，dim 10表示维度是10，epoch 100表示训练了100轮，chechpoint-freq 是10 表示每过10个epoch保存一次模型。 4）训练过程 这个是训练过程中每一个epoch的loss值，MAP是评价指标

一个学python的绝好学习方法，可以帮助零基础的python爱好者迅速熟悉并掌握python语言。

多项式拟合(LSM.py)

源码下载：Python实时视频采集(opencv)

《python可以这样学》讲义.pdf