时序差分学习（Temporal Difference Learning）强化学习中常用时序差分学习来更新模型，时序差分学习的一般流程是： 1.模型根据获取到的状态 st 决定采取动作 at 。 2.环境在执行动作 at 后会给出对应的奖励

深层学习方法https://zhuanlan.zhihu.com/p/25913410 蒙特卡罗方法（英语：Monte Carlo method）也称统计模拟方法，是1940年代中期由于科学技术的发展和电子计算机的发明，而提出的一种以概率统

C++面试常见问题 1 C和C++的区别C程序的设计首要考虑的如何设计一个过程，对输入进行运算处理得到输出。而对于C++而言我们在c的基础上增加了类，这就是面向对象这一个思想，我们在设计程序的时候首先要考录如何构造一个对象模型，让这个对象契

算法4栈和队列的使用 栈的基础使用例题20：Valid Parentheses给定一个字符串，只包含(,{,[,],},),判定字符串中的括号匹配是否合法如（}不合法 #include<stack> #include<st

算法3 链表 链表例题：206 Reverse Linked List反转一个链表 struct ListNode{ int val; ListNode *next; ListNode (int x):va

有关深层学习的疑难知识点self含义init 方法的第一个参数永远是 self ，表示创建的实例本身，因此，在 init 方法的内部，就可以把各种属性绑定到 self，因为 self 就指向创建的实例本身。使用了 init 方法，在创建实例

import numpy as np import matplotlib.pyplot as plt %matplotlib inline import gym from JSAnimation.IPython_display impo

算法2 查找问题查找有无-元素”a”是否存在？set 集合查找对应关系(键值对应)-元素”a”出现了几次？map 字典 set和map通常语言的标准库都内置set和map-容器类-屏蔽实现细节-了解语言中标准库常见容器类的使用 常见操作-i

算法 什么是大On表示数据规模O(f(n))表示运行算法所需要执行的指令数，和f(n)成正比二分查找法O(logn) 所需执行指令数：alogn寻找数组中的最大/最小值 所需执行指令数：bn归并排序算法O(nlogn)

损失函数nn.CrossEntropyLoss()这个损失函数用于多分类问题虽然说的是交叉熵，但是和我理解的交叉熵不一样。nn.CrossEntropyLoss()是nn.logSoftmax()和nn.NLLLoss()的整合,可以直接使