[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
[DRL] 从策略梯度到 TRPO（Lagrange Duality，拉格朗日对偶性）
...
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
...
[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境
...
【DPO衍生算法串讲-Part 1】r2Q*，Step-DPO，RTO，TDPO，SimPO，ORPO
...
[pytorch distributed] 从 DDP、模型并行、流水线并行到 FSDP（NCCL，deepspeed 与 Accelerate）
...
【python 运筹优化】scipy.optimize.minimize 接口介绍（method、jacobian、hessian）| 有约束非线性优化
...
[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）
...
我的焦虑被治愈了，要是早点看到这个视频，会少很多内耗！！！
...
【运筹】0/1二值逻辑整数规划约束的描述与表达，conditional/multiple choices以及互斥约束建模
...
【约束满足问题】AIMA | Chap 6 | CSP | AC-3 | Arc Consistency
...
[pytorch] 深入理解 nn.KLDivLoss（kl 散度） 与 nn.CrossEntropyLoss（交叉熵）
...
【个人成长】世界顶级大脑教练 吉姆·奎克（Jim Kwik）：“只需一天改变你的生活”——掌握专注、目标与高效的秘密
...
[概率 & 统计] KL 散度（KL div）forward vs. reverse
...
[pytorch 强化学习] 11 逐行写代码实现 DQN（ReplayMemory，Transition，DQN as Q function）
...
[Python 机器学习] 深入理解 numpy（ndarray）的 axis（轴/维度）
...
[矩阵分析] LoRA 矩阵分析基础之 SVD low rank approximation（低秩逼近）
...
[pytorch 强化学习] 10 从 Q Learning 到 DQN（experience replay 与 huber loss / smooth L1）
...
【ortools】【cpmodel】八皇后问题的约束规划求解（leetcode 51/52 n-queens）
...
[pytorch distributed] 张量并行与 megtron-lm 及 accelerate 配置
...
[pytorch optim] pytorch 作为一个通用优化问题求解器（目标函数、决策变量）
...
[调包侠] 使用深度学习模型（paddlehub - humanseg）进行人物提取（前景提取、抠图）
...
[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程
...
[personal chatgpt] trl rlhf PPOTrainer，原理分析与代码走读（OpenRLHF framework）
...
【运筹优化】CSP（约束满足最优化）| CP-SAT | domain reduction | constraint propagation
...
（中英对照）顶尖神经科学家：如何通过欺骗你的大脑来显化你的目标，实现你想要的一切【EmpowerHer vol.45】
...
[动手写bert系列] 01 huggingface tokenizer （vocab，encode，decode）原理及细节
...
[pytorch] 激活函数（梯度消失）sigmoid，clamp，relu（sparse representation，dying relu）
...
【运筹】运筹决策系统的搭建，从决策变量、中间变量到约束及目标，从求解到无解时约束的放松
...
[动手写神经网络] 如何设计卷积核（conv kernel）实现降2采样，以及初探vggnet/resnet 卷积设计思路（不断降空间尺度，升channel）
...
[LangChain] 03 LangGraph 基本概念（AgentState、StateGraph，nodes，edges）
...
[pytorch] [求导练习] 03 计算图（computation graph）及链式法则（chain rule）反向传播过程
...
[QKV attention] flash attention（Tiling与重计算），operation fused，HBM vs. SRAM
...
[LLM && AIGC] 05 OpenAI 长文本（long text，超出 max_tokens）处理及 summary，划分 chunk 处理
...
[LLMs inference] quantization 量化整体介绍（bitsandbytes、GPTQ、GGUF、AWQ）
...
[动手写神经网络] 05 使用预训练 resnet18 提升 cifar10 分类准确率及误分类图像可视化分析
...
[LLMs 实践] 02 LoRA（Low Rank Adaption）基本原理与基本概念，fine-tune 大语言模型
...
10【自用】Optislang多目标优化设计
...
[pytorch distributed] 01 nn.DataParallel 数据并行初步
...
[pytorch 强化学习] 07 迷宫环境（maze environment）Q Learning（value iteration）求解（策略关闭 off）
...
[蒙特卡洛方法] 01 从黎曼和式积分（Reimann Sum）到蒙特卡洛估计（monte carlo estimation）求积分求期望