这里面的回合指的是什么呢？

你有能力玩c++看看 什么gym 那个破玩应 你底层会吗？ 算法会吗？

你他妈玩Python 还什么莫凡 滚你的吧 你就是小白一个 你来韩国三星看看 我让你刷便池

請問Putty 的 port隨便選嗎？ 還有額外想問 teamviewer不能連結嗎？

不错耶 浅显易懂

x为什么要大写，y为什么要小写。

知識很好，但可以考慮不要加音樂嗎？倍速播放很痛苦

超厲害，之前也看你的影片好清楚，這次也是，感謝分享

for those who are trying it out in 2023. random_normal should be changed to random.normal

台灣海巡不知死活,還在表演,就是死不認錯的意思

太棒了 馬上用就對了 感謝

超棒的

感謝

谢谢你，讲得非常好

清楚明瞭 太感謝了

直接照搬维基百科，这么没诚意吗？

只講convolution，是哪個向量對哪個向量convolution?

感谢UP，功莫大焉

想請問一下，大約在影片3:37左右， 為何print是用print(d['apple'])而不是print(d{'apple'})呢?

謝謝教學

北极狗一下子绷不住了哈哈哈哈哈哈哈

全網第一！！！！ 太感謝您了！！！！！！

原来并没有那么神秘

希望大神再接再厉🎉🎉

只有这样一句 ax = Axes3D(fig) 画不出来，改成这样ax = fig.add_subplot(111, projection='3d') 才画的出来，初学者，不太懂。

谢谢莫凡

背景聲音有點大，會蓋過講話的聲音

好奇，對於input做BN的結果跟沒做差多少呢?

油管上有一些围棋老师，拿Alpha Zero的训练棋谱做了讲解，很容易明白为什么人类棋谱反而会束缚机器。很多我们认为必然的定式，在机器看来并不正确，该补棋的局部机器却会脱先，我们认为没可能打入的地方，机器却豪不犹豫地打入。人类在几千年的对弈过程中，积累的定式、套路、评价体系，都是经过一代代人的对局和研究，被认为是非常合理和正确的，但经由机器的自我学习，揭示了我们的认知是有偏差的。抛弃那些错误的认知定式，反而会更加快速地占据优势，赢得对局。

每个视频就短短几分钟,还要加那么多广告,说话不流利也就算了,你可以说的响一点啊,广告声音那么响,说话声音么那么轻,而且还不配字幕,真的累.差评

666

感謝莫煩老師!

池化 的 那裡 講的有點聽不懂

def multiplethread(data): q = Queue() start = time.time() print(f"current start time: {start}") threads =[] for i in range(len(data)): t = threading.Thread(target = job, args=(data[i], q)) t.start() threads.append(t) for thread in threads: thread.join() result = [] for i in range(len(data)): result.append(q.get()) print(result) end = time.time() print(f"current end time: {end}, time useage: {end - start}") def singlethread(data): q = Queue() start = time.time() print(f"current start time: {start}") threads =[] for i in range(len(data)): job(data[i], q) result = [] for i in range(len(data)): result.append(q.get()) print(result) end = time.time() print(f"current end time: {end}, time useage: {end - start}")

感謝！

why don't have subtitel in Enlish?

thank you!

內容是講激活函數的四個種類吧 😅 什麼是激活函數 ？激活函數在類神經網路 中所扮演的角色好像都沒有提到 😞

请问如何选中多行，然后进行·coment操作？

請問莫煩講解Titanic case study~~~

could you explain q_state.iloc[state, :]

没看懂

其中很多的代码还用的是简写 对小白不是很友好 小白算了

标题信誓旦旦，实则使用方法对错

现在有一种新型的神经形态计算网络，Dynex项目，官网 dynexcoin点org 他是基于理想忆阻器原理在GPU中模拟组成分布式神经网络计算，他完美的于区块链结合可以无限扩展算力，利用矿工以及家庭闲置显卡，区别于以太坊的无意义运算工作，dynex神经网络系统在解决现实问题，他可以解决7种问题类型， 0 JOB_TYPE_SAT（约束满意度问题） 1 JOB_TYPE_MILP（混合整数线性规划） 2 JOB_TYPE_QUBO（二次无约束二进制优化） 3 JOB_TYPE_MAXSAT（最大满意度问题） 4 JOB_TYPE_FEDERATED_ML（联合机器学习） 5 JOB_TYPE_PRETRAINING_ML（受限玻尔兹曼机器、深度神经网络的高效预训练） 6 JOB_TYPE_SUBSET_SUM（子集和问题） 7 JOB_TYPE_INTEGER_FACTORISATION（整数分解）

现在gpt4已经出来了哈哈,,回来再看gpt3的介绍,真实感慨万千啊

很棒的视频！但是这里解释的好像只是evolution gradient。NES应该还是需要Fisher Information Matrix的。

特殊符号输入应该是可以使用，mathjax对应的输入吧

细致又条理清晰，讲得很好，学习了。