Matplotlib学习

煎蛋网图片爬虫

《GAN：实战生成对抗网络》代码(刘梦馨)

【实例简介】

《Python进阶》是《Intermediate Python》的中译本，对Python中的装饰器与推导式等高级用法做了详细说明，适合于掌握Python基础后的进一步提高。 Python的语法相当简洁，即使是生成器、装饰器与推导式等的高级特性利用时，同样可以发挥Pyhton简单高效的优点。 Pyhton3.x与2.x版本语法存在不同的地方，《Pyhton》进阶中的例子会贴出Python3与Pyhton2两个版本的代码，比较难能可贵。 译者在翻译过程中，慢慢发现，本书作者有着科普作家的风范，能将晦涩难懂的技术以较清晰简洁的方式来呈现，深入浅出的风格在每个章节的讨论中都得到了体现：每个章节都非常精简，5分钟就能看完，例子追求简洁，精辟地展现了原理；每个章节都会通过疑问，来引导读者主动思考答案；每个章节都引导读者做延伸阅读，让有兴趣的读者能进步、可以举一反三；每个章节都是独立的，你可以挑选任意的章节开始阅读， 不受影响。

【实例简介】图像匹配

用字典破解wifi 密码 利用 py_wifi 加上字典跑wifi密码

这是一个基于python 的简单的加密解密软件实例，其中包括一些简单的 tkinter 界面应用。

python根据历史数据，预测未来数据

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爬虫示例