qtrader 资产组合管理的强化学习 为什么要进行强化学习？ 学习最佳行动，而不是为市场建模。 由于其在线培训，因此可以适应市场的暂时变化。 优化长期（累积）回报，而不是瞬时收益。 设置 由于typing s，因此与Python 3兼容 苹果系统 source scripts/setup.sh 文献资料 ： qtrader简介 ：现有方法的动机，利弊 ：相关资源清单 ：硕士论文 ：15分钟的项目演讲

merching_learning:机器学习源代码

私人语言 使用SPDZ训练卷积神经网络（CNN）； 阅读此以了解更多信息。 该存储库是的扩展。 怎么跑 确保已安装以下组件： Python 3.6（最好在virtualenv / conda env中使用） Tensorflow（仅用于下载数据集） 要安装其他要求，请运行： pip install --upgrade -r requirements.txt 现在，您可以打开完整的代码示例： jupyter notebook image_analysis/Convnet.ipynb 在运行代码之前，请选择正确的内核，因为它可能已设置为python 2.7。 您可能必须将环境添加到lis tof内核中： pip install ipykernel python -m ipykernel install --user --name=[NAME OF YOUR ENV]

安卓 里面有一些收集的Android原始代码，例如说飞机大战，别踩白块，俄罗斯方块，flypybird，备忘，是我们作为期末考试的作业，编译器是Android stdio，可以使用练习，方便Android的学习

学法减分学习源码已搭建测试可用

DRQN-张量流 使用Tensorflow，openai / gym和openai / retro进行深度递归Q学习 该存储库包含用于在 Atari和环境上训练DQN或DRQN的代码。 请注意，到目前为止，在Retro环境中的训练都是完全实验性的，必须包装这些环境以将动作空间减少到每个游戏所有动作的更合理的子空间。 当前实现的包装仅对SEGA Sonic环境有意义。 安装 您可以通过发出以下命令来安装所有依赖项： pip install -r requirements.txt 这将在没有GPU支持的情况下安装Tensorflow。 但是，我强烈建议使用带有GPU支持的Tensorflow，否则培训将花费很长时间。 有关此主题的更多信息，请参见 。 为了运行复古环境，您必须收集要玩的游戏的rom并将其导入： : 跑步 您可以通过以下方式开始培训： python main.py --

深度强化学习课程 探索神经网络和强化学习的结合。 Python和PyTorch中的算法和示例 您是否听说过和的取得了惊人的结果？ 这都是关于深度神经网络和强化学习的。 您是否想了解更多？ 这是您最终学习Deep RL并将其用于新的令人兴奋的项目和应用程序的正确机会。 在这里，您将找到这些算法的深入介绍。 您将学习q学习，q学习，PPO，演员评论家，并使用Python和PyTorch实施它们。 最终目的是使用这些通用技术并将其应用于各种重要的现实世界问题。 德米斯·哈萨比斯（Demis Hassabis） 该存储库包含： 主要来自DeepMind和Berkley Youtube的频道的讲

联合学习（PyTorch） 香草联合学习论文的实施：。 在MNIST，Fashion MNIST和CIFAR10（IID和非IID）上进行了实验。 在非IID的情况下，用户之间的数据可以相等或不相等地分割。 由于这些实验的目的是说明联合学习范例的有效性，因此仅使用诸如MLP和CNN的简单模型。 要求 从requirments.txt安装所有软件包 Python3 火炬 火炬视觉 数据 手动下载训练和测试数据集，否则它们将自动从Torchvision数据集下载。 实验在Mnist，Fashion Mnist和Cifar上进行。 要使用自己的数据集，请执行以下操作：将数据集移动到数据目录，并在pytorch数据集类上编写包装器。 运行实验 基线实验以常规方式训练模型。 要使用CPU在MLP上对MNIST运行基线实验，请执行以下操作： python src/baseline_ma

sparkmllib机器学习.

Fashion Mall 这是用 Wepy 开发的一个服装购物商场小程序。主要是参考了 ，但在它的基础上做了一些代码的优化，包括代码风格，命名等。 在学习开发的过程中，将各个模块分成9个不同的 branch，目的是让初学者更容易上手。相当于一步一步从头开始带这你写小程序。同时，配套了一个本地可以运行的 mock server ，可以更容易的看数据，进行API的测试和再开发。 使用指南 安装 git clone https://github.com/weimingwill/fashion-mall.git cd fashion-mall npm install npm install wepy-cli -g wepy build --watch 看演示 运行完上面的代码后，将 fashion-mall 下面的 dist 文件夹导入 微信开发者工具 可以了。 微信开发者工具设置（重要！） 在