网硕互联帮助中心GRPO（Group Relative Policy Optimization）公式速览
文章浏览阅读145次。GRPO（Group Relative Policy Optimization）公式摘要： GRPO采用组内归一化优势计算，通过组内均值和...
标签：强化学习
半精度模型（16位）解析
文章浏览阅读22次。摘要：本文介绍了使用半精度模型（FP16/BF16）来优化深度学习模型内存占用的方法。通过PyTorch的torch_dtype参数可直接加...
一文全面入门强化学习：从基础概念、策略梯度、REINFORCE、RLOO、TRPO到PPO、GRPO算法
文章浏览阅读129次。本文系统梳理了强化学习（RL）从基础理论到前沿算法的演进路径。首先介绍了RL核心概念，包括代理、环境、状态、动作等基础要素。重点分析了策略...
强化学习在量化交易中的禁区：回测表现好实盘亏钱的4个原因
文章浏览阅读11次。强化学习在量化交易中的陷阱：从回测天堂到实盘地狱 强化学习（RL）策略在回测中表现优异却常在实际交易中惨败，根本原因在于四个关键陷阱：1）历...
强化学习机器人路径规划——Sparrow复现
文章浏览阅读121次。Sparrow是一个开源的移动机器人路径规划模拟器，重视模拟速度和轻量化，使用DDQN强化学习方法进行训练。本文在其基础上，增加了绘制训练...
服务器tensorboard本地打开显示没数据？快来check一下路径！！！
文章浏览阅读870次，点赞12次，收藏18次。本文详细解释了在本地打开服务器端的tensorboard日志，并同时提供了本地打开tensorboard没用数据的...
