2048健身房 该存储库是一个有关使用DQN（Q-Learning）玩2048游戏并使用加速和加速环境的。使用的算法来自“ ，环境是自定义的 env。该环境包含两种类型的电路板表示形式：二进制和无二进制。第一个使用幂二矩阵来表示电路板的每个图块。相反，没有二进制文件使用原始矩阵板。 该模型使用两种不同类型的神经网络：CNN（卷积神经网络），MLP（多层感知器）。使用CNN作为特征提取器比使用MLP更好。可能是因为CNN可以提取空间特征。结果，代理在1000个已玩游戏的10％中获得2048个图块。

Optuna：超参数优化框架 | | | Optuna是一个自动超参数优化软件框架，专门为机器学习而设计。 它具有命令式，运行式定义的用户API。 多亏了我们的按运行定义API，用Optuna编写的代码具有高度的模块化，并且Optuna的用户可以动态构造超参数的搜索空间。 消息 2020-12-02现在支持Python 3.9。 集成模块仍在开发中，并由进行跟踪 2020-09-17 isort已合并，以保持导入声明的一致性。 在了解更多有关它的信息 2020-08-07我们欢迎您的并正在努

鲷鱼 SnapperML是结合了现有技术和得到良好支持的技术的用于实验跟踪和机器学习操作化的框架。 这些技术包括Docker， 和等。 该框架提供了一个自以为是的工作流程，可以在本地环境或云上设计和执行实验。 ml实验包括： 自动跟踪系统 一流的分布式培训和超参数优化支持 命令行界面（CLI），用于在容器内打包和运行项目。 如何安装？ 该项目具有一些核心依赖性： mlflow optuna> = 1.1.0 射线> = 0.8.2 码头工人> = 4.1.0

Optuna：超参数优化框架 | | | Optuna是一个自动超参数优化软件框架，专门为机器学习而设计。 它具有命令式，运行式定义的用户API。 多亏了我们的按运行定义API，用Optuna编写的代码具有高度的模块化，并且Optuna的用户可以动态构造超参数的搜索空间。 新闻 2020-12-02现在支持Python 3.9。 集成模块仍在开发中，并由进行跟踪 2020-09-17 isort已合并，以保持导入声明的一致性。 在了解更多有关它的信息 2020-08-07我们欢迎您的并正在努