强化学习是机器学习中一个令人兴奋的领域，它允许AI代理通过与环境交互来学习最优策略。本文将介绍如何使用Ray RLlib框架创建自定义强化学习环境并进行训练。无论您是强化学习新手还是寻求高性能分布式训练的专家，这篇指南都能帮您快速上手。 准备工作 在开始前，我们需要安装必要的依赖库： pip install "ray[rllib]" gym torch 注意：如果使用mac...

训练和推理强化学习时, 有些场景下的大量计算都会在环境模拟上, 这时训练的大部份时间占用会在非神经网络更新上, 此时可以通过使用多进程并发加速, 或者直接用cpp进行重构关键部分

Gym 强化学习训练 在我们学习强化学习（Reinforcement Learning，简称 RL）时，如何让智能体和环境高效且可重复地交互一直是一个核心问题。OpenAI 提供的 Gym 库就是为了解决这个问题而生。它以简洁明了的 API 和丰富多样的测试场景，为我们搭建了一个标准化的平台。很多技术博客和相关资料都指出，Gym 的统一接口极大地方便了我们在切换环境、测试算法时，不必反复编...

博客，感动常在

参考文档 相关博客 博客 - 什么是模拟离散事件 开源项目 https://github.com/matsim-org/matsim-libs https://github.com/eclipse-sumo/sumo https://simpy.readthedocs.io/en/latest/ https://github.com/NetLogo/NetLogo?tab=re...

消息协议与传输【msg_id篇】 消息流程图解 消息定义与数据类型 消息定义 消息定义+消息结构定义，能让底层传输的数据仅仅只有数据，而没有数据类型、名字、分类。两边通过消息id来区分该消息的结构，一边压缩，一边解析。极大的减少了传输的数据量。 const常量表 定义一些在之后的消息定义中会使用到的常量。比如GS的最大数量、密码的长度、角色名的...

服务器架构 GS流程图 定义 FBServer_Base 是大部分服务器的基类，代码复用，创建了一些基本的功能。 链接的操作 见下文IOCP的理解 win32下使用的IOCP，而linux下使用的EPOLL。两者分别都包装好了函数供调用。 Create() 创建。基本socket创建初始化、epoll创建初始化、端口重用、linger等待发送完毕、...

记录一下 multiprocess的多种使用方法

说在前面 写了很多的小项目和大项目，其中和其他部门同事合作开发的时候偶然接触了依赖注入，我是Golang出身的后端开发，对Java那套面向对象开发并不熟悉。一直不理解为什么会需要进行组件的依赖注入，自动生成代码。今天一起来研究一下这到底是个什么东西。 概述 依赖注入（Dependency Injection，简称 DI）是一种软件设计模式，旨在减少代码之间的耦合，提高可测试性和可维护性...

从部署到使用的实操记录