跳转至

For updates please follow @PhilFan on

CC98 or star this repository on Github

PhilFan's Notebook

Policy Gradient

正在初始化搜索引擎

Phil-Fan/Notes

Home
Research
Math
AI
Robotics
CS
Class
Tools
Interest

PhilFan's Notebook

Phil-Fan/Notes

Home
Home
- 简介
- 友链
Research
Research
- 概述
- 预备知识
- 论文阅读
- 心态
- 交流
- 实验
- 写作
- rebuttal
- 汇报
Math
Math
- 基础知识
  基础知识
  - 不等式
  - 信息论
  - Logic
  - ODE
  - 复变函数
  - 微积分
    
    微积分
- 信号分析与处理
- 计算器
- Tableau
- LA | 线性代数
  LA | 线性代数
- Opt | 凸优化
  Opt | 凸优化
- 概率论
- SP | 随机过程
  SP | 随机过程
- OR | 运筹学
  OR | 运筹学
- ML | 机器学习
  ML | 机器学习
AI
AI
- LLM | Models
  LLM | Models
- LLM | Engineer Roadmap
  LLM | Engineer Roadmap
  - 01 | LLM 分类与介绍
  - 02 | Vectorize
  - 03 | RAG
  - Long Chain
  - vLLM
  - vLLM 源码学习
  - SGlang
  - 06 | Infer Optimization
  - GPU 工作原理
  - 架构调度加速
  - 08 LongInfer
  - Speculative Decoding（推测解码）
  - DFlash: Block Diffusion for Flash Speculative Decoding
  - 输出采样
  - 07 | LLM 评估与监控
  - LoRA
  - 分布式
  - 工具手册
    工具手册
    
    [部署] OpenAI API
    
    [部署] vLLM手册
    
    [测试] evalscope
    
    [监控] Prometheus
    
    [监控] Grafana
    
    [可视化] Swandb
- LLM | Scientist Roadmap
  LLM | Scientist Roadmap
  - 00 | 常见黑话
  - 重点问题讨论
  - 01 | Task & Datasets
  - 02 | PreTrain
  - 03 | PostTrain
  - 04 | SFT
  - RL
  - 06 | Evaluation
  - Rubric
  - 07 | Quantization
  - 工具手册
    工具手册
    
    [训练] Pytorch
    
    [训练] CUDA
    
    [训练] DeepSpeed
    
    [性能] NVTX
    
    [性能] Nsight System
- DL | 深度学习
  DL | 深度学习
- LLM | 智能体
  LLM | 智能体
- Benchmark | 评测基准
  Benchmark | 评测基准
  - GSM8K
  - MMLU
  - HumanEval
  - SWE-bench
  - ToolBench
  - BFCL
  - GAIA
  - Terminal-Bench
  - API-Bank
  - ToolAlpaca
  - HotpotQA
  - BrowseComp
- Frontier | 前沿基座模型
  Frontier | 前沿基座模型
- RL | 强化学习
  RL | 强化学习
- MLSys | 机器学习系统
  MLSys | 机器学习系统
  - CUDA
  - NVIDIA Toolkit
  - CMU10-414
    
    CMU10-414
- CV | 计算机视觉
  CV | 计算机视觉
  - 基础知识
    基础知识
    
    CV
    
    图片格式
    
    色彩 | 从入门到入土
    
    基础知识
    
    传感器与相机
  - Tasks
    Tasks
    
    分类
    
    图像定位
    
    物体识别
    
    图像分割
    
    3D 视觉
    
    运动估计
    
    HPE 领域综述
  - 工具
    工具
    
    OpenCV 学习
- VLA | 视觉-语言-动作
  VLA | 视觉-语言-动作
- 学习资源
  学习资源
Robotics
Robotics
- Model
  Model
- Control Theory
  Control Theory
  - 自动控制
    
    自动控制
    
    01 | 系统辨识与建模
    
    02 | 性能分析
    
    03 | 控制器矫正与设计
  - 现代控制 | 线性系统
    
    现代控制 | 线性系统
    
    Linear 00 intro
  - 现代控制 | 非线性系统
    现代控制 | 非线性系统
    
    Nonliear 00 intro
  - 最优控制
    
    最优控制
  - 控制方法
    
    控制方法
    
    PID 控制
    
    LQR 控制
    
    MPC 控制
    
    阻抗导纳 | Impedance/Admittance Control
    
    05 Intelligent
    
    Kalman Filter
  - 应用
    应用
    
    供配电技术
  - MATLAB 使用记录
- 机器人技术
  机器人技术
  - 1 | 设计
  - 2 | 建图
  - 3 | 定位
  - 4 | 导航
  - 5 | 规划
  - 6 | 传感与检测
  - 无人机
    无人机
    
    空中机器人
    
    无人机实验
- 嵌入式
  嵌入式
  - 模电
  - 数电
  - 嵌入式系统
    嵌入式系统
    
    0 | 简介
    
    1 | 数电
    
    2 | C51
    
    3 | C51实验
    
    4 | STM32
  - 开发板使用
    开发板使用
    
    Arduino
    
    Raspberry Pi
    
    Jetson Orin Nano
    
    Thor
    
    DGX Spark
    
    FPGA
  - 计控
  - 计控-PLC
- 物联网
  物联网
  - 简介
  - 通信协议
    通信协议
    
    嵌入式通信协议
    
    MQTT
  - 通信技术
    通信技术
    
    通信技术
- 实践记录
  实践记录
CS
CS
- Language
  Language
  - C 程序设计基础
  - C++
  - Python
    
    Python
    
    表达式 Expression
    
    Statement
    
    函数 Function
    
    数据 Data Abstraction
    
    对象 Object
    
    文件
    
    项目
    
    logger
    
    可视化运行工具
    
    CS61A 24fall
    
    CS61A教材
    
    手册
    手册
    
    Google styleguide
    
    Python工程化开发指南
    
    Dive Into Python 3
    
    Hitchhiker's Guide
    
    Seaborn
    
    Pandas
    
    Scipy
- Algorithm
  Algorithm
- DS | 数据结构
  DS | 数据结构
  - 数据结构与算法
  - 链表
  - 队列
  - 堆栈
  - Tree
  - 图
  - 散列表与 hash
- OS | 操作系统
  OS | 操作系统
  - 操作系统
- CN | 计算机网络
  CN | 计算机网络
- CTF
  CTF
  - CTF 简介
  - Web
  - MISC
  - PWN
  - Reverse
  - Crypto
  - 信息物理系统安全
- Web3
  Web3
Class
Class
- 浙里的通识课
- 英语能力训练
  英语能力训练
- 创业营销
- 从零开始的马原复习
- 日语
- Fin
  Fin
- Physics
  Physics
Tools
Interest

Policy Gradient¶

约 2 个字预计阅读时间不到 1 分钟

Was this note helpful?

感谢支持~

感谢指出，欢迎提 issue 或发邮件反馈~