主頁 >  其他 > 強化學習-學習筆記14 | 策略梯度中的 Baseline

強化學習-學習筆記14 | 策略梯度中的 Baseline

2022-07-13 08:55:26 其他

本篇筆記記錄學習在 策略學習 中使用 Baseline，這樣可以降低方差，讓收斂更快，

14. 策略學習中的 Baseline

14.1 Baseline 推導

  • 在策略學習中，我們使用策略網路 \(\pi(a|s;\theta)\) 控制 agent，

  • 狀態價值函式

    \(V_\pi(s)=\mathbb{E}_{A\sim \pi}[Q_\pi(s,A)]=\sum\limits_{a}\pi(a|s;\theta)\cdot Q_\pi(a,s)\)

  • 策略梯度：

    \(\frac{\partial \ V_\pi(s)}{\partial \ \theta}=\mathbb{E}_{A\sim\pi}[\frac{\partial ln \pi(A|s;\theta)}{\partial \theta}\cdot Q_\pi(s,A)]\)

在策略梯度演算法中引入 Baseline 主要是用于減小方差，從而加速收斂

Baseline 可以是任何 獨立于 動作 A 的數，記為 b，

Baseline的性質：

  • 這個期望是0： \(\mathbb{E}_{A\sim\pi}[b\cdot \frac{\partial \ \ln\pi(A|s;\theta)}{\partial\theta}]=0\)

    • 因為 b 不依賴 動作 A ，而該式是對 A 求期望，所以可以把 b 提出來，有：\(b\cdot \mathbb{E}_{A\sim\pi}[\frac{\partial \ \ln\pi(A|s;\theta)}{\partial\theta}]\)

    • 而期望 E 這一項可以展開：\(b\sum_a \pi(a|s;\theta)\cdot\frac{\partial\ln_\pi(A|s;\theta)}{\partial\theta}\)

      這個性質在策略梯度演算法用到的的兩種形式有提到過，

    • 用鏈式法則展開后面的導數項，即: \(\frac{\partial\ln_\pi(A|s;\theta)}{\partial\theta}={\frac{1}{\pi(a|s;\theta)}\cdot \frac{\partial\pi(a|s;\theta)}{\partial\theta}}\)

    • 這樣整個式子為：\(b\sum_a \pi(a|s;\theta)\cdot{\frac{1}{\pi(a|s;\theta)}\cdot \frac{\partial\pi(a|s;\theta)}{\partial\theta}}=b\cdot \sum_a\frac{\partial\pi(a|s;\theta)}{\partial\theta}\)

    • 由于連加是對于 a 進行連加，而內部求導是對于 θ 進行求導，所以求和符號可以和導數符號交換位置：

      \(b\cdot \frac{\partial\sum_a\pi(a|s;\theta)}{\partial\theta}\)

      這是數學分析中 級數部分 的內容，

    • 而 \(\sum_a\pi(a|s;\theta)=1\)，所以有\(b\cdot \frac{\partial 1}{\partial \theta}=0\)

根據上面這個式子的性質，可以向 策略梯度中添加 baseline

  • 策略梯度 with baseline：$$\frac{\partial \ V_\pi(s)}{\partial \ \theta}=\mathbb{E}{A\sim\pi}[\frac{\partial ln \pi(A|s;\theta)}{\partial \theta}\cdot Q\pi(s,A)]- \mathbb{E}{A\sim\pi}[b\cdot \frac{\partial \ \ln\pi(A|s;\theta)}{\partial\theta}] \=\mathbb{E}{A\sim\pi}[\frac{\partial ln \pi(A|s;\theta)}{\partial \theta}\cdot(Q_\pi(s,A)-b)]$$
  • 這樣引入b對期望 \(\mathbb{E}\) 沒有影響，為什么要引入 b 呢？
    • 策略梯度演算法中使用的并不是 嚴格的上述式子，而是它的蒙特卡洛近似；
    • b不影響期望，但是影響蒙特卡洛近似；
    • 如果 b 好，接近 \(Q_\pi\)，那么會讓蒙特卡洛近似的方差更小，收斂速度更快，

14.2 策略梯度的蒙特卡洛近似

上面我們得到：\(\frac{\partial \ V_\pi(s_t)}{\partial \ \theta}=\mathbb{E}_{A_t\sim\pi}[\frac{\partial ln \pi(A_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,A_t)-b)]\)

但直接求期望往往很困難，通常用蒙特卡洛近似期望，

  • 令 \(g(A_t)=[\frac{\partial ln \pi(A_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,A_t)-b)]\)

  • 根據策略函式 \(\pi\) 隨機抽樣 \(a_t\) ，計算 \(g(a_t)\)，這就是上面期望的蒙特卡洛近似；\(g(a_t)=[\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,a_t)-b)]\)

  • \(g(a_t)\) 是對策略梯度的無偏估計；

    因為：\(\mathbb{E}_{A_t\sim\pi}[g(A_t)]=\frac{\partial V_\pi(s_t)}{\partial\theta}\)，期望相等，

  • \(g(a_t)\) 是個隨機梯度，是對策略梯度 \(\mathbb{E}_{A_t\sim\pi}[g(A_t)]\)的蒙特卡洛近似

  • 在實際訓練策略網路的時候，用隨機梯度上升更新引數θ：\(\theta \leftarrow \theta+\beta\cdot g(a_t)\)

  • 策略梯度是 \(g(a_t)\) 的期望，不論 b 是什么，只要與 A 無關，就都不會影響 \(g(A_t)\) 的期望，為什么不影響已經在 14.1 中講過了，

    • 但是 b 會影響 \(g(a_t)\)；
    • 如果 b 選取的很好，很接近 \(Q_\pi\)，那么隨機策略梯度\(g(a_t)\)的方差就會小；

14.3 Baseline的選取

介紹兩種常用的 baseline，

a. b=0

第一種就是把 baseline 取0，即與之前相同：\(\frac{\partial \ V_\pi(s)}{\partial \ \theta}=\mathbb{E}_{A\sim\pi}[\frac{\partial ln \pi(A|s;\theta)}{\partial \theta}\cdot Q_\pi(s,A)]\)

b. b= \(V_\pi\)

另一種就是取 b 為 \(V_\pi\)，而 \(V_\pi\) 只依賴于當前狀態 \(s_t\)，所以可以用來作為 b，并且 \(V_\pi\) 很接近 \(Q_\pi\)，可以降低方差加速收斂，

因為 \(V_\pi(s_t)=\mathbb{E}[Q_\pi(s_t,A_t)]\)，作為期望，V 很接近 Q，

14.4 Reinforce with Baseline

把 baseline 用于 Reinforce 演算法上，

a. 基本概念

  • 折扣回報：\(U_t=R_t+\gamma\cdot R_{t+1}+\gamma^2\cdot R_{t+2}+...\)

  • 動作價值函式：\(Q_\pi(s_t,a_t)=\mathbb{E}[U_t|s_t,a_t].\)

  • 狀態價值函式：\(V_\pi(s_t)=\mathbb{E}_A[Q_\pi(s_t,A)|s_t]\)

  • 應用 baseline 的策略梯度：使用的是上面第二種 baseline：

    \(\frac{\partial \ V_\pi(s_t)}{\partial \ \theta}=\mathbb{E}_{A_t\sim\pi}[g(A_t)]=\mathbb{E}_{A_t\sim\pi}[\frac{\partial ln \pi(A_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,A_t)-V_\pi(s_t))]\)

  • 對動作進行抽樣，用 \(g(a_t)\) 做蒙特卡洛近似，為無偏估計（因為期望==策略梯度）：\(a_t\sim\pi(\cdot|s_t;\theta)\)

    \(g(a_t)\) 就叫做 隨機策略梯度，用隨機抽取的動作 對應的值來代替期望，是策略梯度的隨即近似；這正是蒙特卡洛方法的應用，

    • \(g(a_t)=[\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,a_t)-b)]\)

但上述公式中還是有不確定的項:\(Q_\pi \ \ V_\pi\)，繼續近似：

  • 用觀測到的 \(u_t\) 近似 \(Q_\pi\)，因為 \(Q_\pi(s_t,a_t)=\mathbb{E}[U_t|s_t,a_t].\)這也是一次蒙特卡洛近似，

    這也是 Reinforce 演算法的關鍵，

  • 用神經網路-價值網路 \(v(s;w)\) 近似 \(V_\pi\)；

所以最終近似出來的 策略梯度 是：

\[\frac{\partial \ V_\pi(s_t)}{\partial \ \theta}\approx g(a_t)\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot(u_t-v(s;w)) \]

當我們知道 策略網路\(\pi\)、折扣回報\(u_t\) 以及 價值網路\(v\)，就可以計算這個策略梯度，

我們總計做了3次近似：

  1. 用一個抽樣動作 \(a_t\) 帶入 \(g(a_t)\) 來近似期望；

  2. 用回報 \(u_t\) 近似動作價值函式\(Q_\pi\)；

    1、2都是蒙特卡洛近似；

  3. 用神經網路近似狀態價值函式\(V_\pi\)

    函式近似，

b. 演算法程序

我們需要建立一個策略網路和一個價值網路，后者輔助訓練前者，

  • 策略網路：

image

  • 價值網路：

image

  • 引數共享：

image

用 Reinforce 演算法訓練策略網路，用回歸方法訓練價值網路，

  • 在一次訓練中 agent 獲得軌跡：\(s_1,a_1,r_1,s_2,a_2,r_2,...\)

  • 計算 \(u_t=\sum_{i=t}^n\gamma^{i-t}r^i\)

  • 更新策略網路

    1. 得到策略梯度：\(\frac{\partial \ V_\pi(s_t)}{\partial \ \theta}\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot(u_t-v(s;w))\)

    2. 梯度上升，更新引數：\(\theta\leftarrow \theta + \beta\cdot\frac{\partial\ln\pi(a_t|s_t;\theta)}{\partial\theta}\cdot(u_t-v(s_t;w))\)

      記 \(u_t-v(s_t;w)\) 為 \(-\delta_t\)

      \(\theta\leftarrow \theta - \beta\cdot\frac{\partial\ln\pi(a_t|s_t;\theta)}{\partial\theta}\cdot \delta_t\)

  • 更新價值網路

    回顧一下價值網路的目標：\(V_\pi\) 是 \(U_t\) 的期望，訓練價值網路是讓v接近期望 \(V_\pi\)

    1. 用觀測到的 \(u_t\) 擬合 v，兩者之間的誤差記為

      prediction error:\(\delta_t=v(s_t;w)-u_t\)，

    2. 求導得策略梯度: \(\frac{\partial \delta^2/2}{\partial w}=\delta_t\cdot \frac{\partial v(s_t;w)}{\partial w}\)

    3. 梯度下降更新引數：\(w\leftarrow w-\alpha\cdot\delta_t\cdot\frac{\partial v(s_t;w)}{\partial w}\)

  • 如果軌跡的長度為n，可以對神經網路進行n次更新

14.5 A2C演算法

a.基本概念

Advantage Actor Critic. 把 baseline 用于 Actor-Critic 上，

所以需要一個策略網路 actor 和一個價值網路 critic，但與 第四篇筆記AC演算法有所不同，

  • 策略網路還是 \(\pi(a|s;\theta)\)，而價值網路是 \(v(s;w)\)，是對\(V_\pi\) 的近似，而不是第四篇筆記中的 \(Q_\pi\)，

    因為 V 不依賴于動作，而 Q 依賴動作和狀態，故 近似V 的方法可以引入 baseline，

  • A2C 網路結構：

image

與 14.4 中的結構相同，區別在于訓練方法不同，

b. 訓練程序

  1. 觀察到一個 transition(\(s_t，a_t,r_t,s_{t+1}\))

  2. 計算 TD target：\(y_t=r_t+\gamma\cdot v(s_{t+1};w)\)

  3. 計算 TD error：\(\delta_t=v(s_t;w)-y_t\)

  4. 用策略網路梯度更新策略網路θ：\(\theta\leftarrow \theta-\beta\cdot\delta_t\cdot\frac{\partial\ln\pi(a_t|s_t;\theta)}{\partial \theta}\)

    注意！這里的 \(\delta_t\)? 是前文中的 “\(u_t-v(s_t;w)\) 為 \(-\delta_t\)”

  5. 用TD更新價值網路：\(w\leftarrow w-\alpha\cdot\delta_t\cdot\frac{\partial v(s_t;w)}{\partial w}\)

c. 數學推導

A2C的基本程序就在上面，很簡潔，下面進行數學推導，

1.價值函式的性質

  • \(Q_\pi\)

    • TD演算法推導時用到過這個式子：\(Q_\pi(s_t,a_t)=\mathbb{E}_{S_{t+1},A_{t+1}}[R_t+\gamma\cdot Q_\pi(S_{t+1},A_{t+1})]\)

    • 隨機性來自 \(S_{t+1},A_{t+1}\)，而對之求期望正好消掉了隨機性，可以把對 \(A_{t+1}\) 的期望放入括號內，\(R_t\) 與 \(A_{t+1}\) 無關，則有 定理一：

      \(Q_\pi(s_t,a_t)= \mathbb{E}_{S_{t+1}}[R_t+\gamma\cdot \mathbb{E}_{A_{t+1}}[Q_\pi(S_{t+1},A_{t+1})]\\=\mathbb{E}_{S_{t+1}}[R_t+\gamma\cdot V_\pi(s_{t+1})]\)

    • 即：\(Q_\pi(s_t,a_t)=\mathbb{E}_{S_{t+1}}[R_t+\gamma\cdot V_\pi(s_{t+1})]\)

  • \(V_\pi\)

    • 根據定義： \(V_\pi(s_t)=\mathbb{E}[Q_\pi(s_t,A_t)]\)

    • 將 Q 用 定理一 替換掉：

      \[V_\pi(s_t)=\mathbb{E}_{A_t}\mathbb{E}_{S_{t+1}}[R_t+\gamma\cdot V_\pi(S_{t+1})]\\=\mathbb{E}_{A_t,S_{t+1}}[R_t+\gamma\cdot V_\pi(S_{t+1})] \]

    • 這就是 定理二：\(V_\pi(s_t)=\mathbb{E}_{A_t,S_{t+1}}[R_t+\gamma\cdot V_\pi(S_{t+1})]\)

這樣就將 Q 和 V 表示為期望的形式，A2C會用到這兩個期望，期望不好求，我們是用蒙特卡洛來近似求期望：

  • 觀測到 transition(\(s_t,a_t,r_t,s_{t+1}\))

  • \(Q_\pi\)

    • \(Q_\pi(s_t,a_t)\approx r_t+\gamma\cdot V_\pi(s_{t+1})\)
    • 訓練策略網路；

  • \(V_\pi\)

    • \(V_\pi(s_t)\approx r_t+\gamma\cdot V_\pi(s_{t+1})\)
    • 訓練價值網路，這也是TD target 的來源；
2. 更新策略網路

即使用 baseline 的策略梯度演算法，

  • \(g(a_t)=[\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot(Q_\pi(s_t,a_t)-V_\pi(s_t))]\) 是策略梯度的蒙特卡洛近似，

  • 前面Dueling Network提到過，\(Q_\pi-V_\pi\)是優勢函式 Advantage Function.

    這也是 A2C 的名字來源，

  • Q 和 V 都還不知道，需要做近似，14.5.c.1 中介紹了：

    • \(Q_\pi(s_t,a_t)\approx r_t+\gamma\cdot V_\pi(s_{t+1})\)
    • 所以是：\(g(a_t)\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot[(r_t+\gamma\cdot V_\pi(s_{t+1}))-V_\pi(s_t)]\)
    • 對 \(V_\pi\) 進行函式近似 \(v(s;w)\)
    • 則得最終：\(g(a_t)\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot[(r_t+\gamma\cdot v(s_{t+1;w}))-v(s_{t;w})]\)

    用上式更新策略網路，

  • 而 \(r_t+\gamma\cdot v(s_{t+1;w})\) 正是 TD target \(y_t\)

  • 梯度上升更新引數：\(\theta\leftarrow \theta-\beta\cdot\frac{\partial\ln\pi(a_t|s_t;\theta)}{\partial \theta}\cdot (y_t-v(s_t;w))\)

    這樣的梯度上升更好，

因為以上式子中都有 V，所以需要近似計算 V：

\(g(a_t)\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot\underbrace{[(r_t+\gamma\cdot V_\pi(s_{t+1}))-V_\pi(s_t)]}_{evaluation \ made \ by \ the \ critic}\)

3. 更新價值網路

采用 TD 演算法 更新價值網路，根據 14.5.b 有如下式子：

  • \(V_\pi(s_t)\approx r_t+\gamma\cdot V_\pi(s_{t+1})\)
  • 對上式得 \(V_\pi\) 做函式近似， 替換為 \(v(s_t;w),v(s_{t+1;w})\)；
  • \(v(s_t;w)\approx \underbrace{r_t+\gamma\cdot v(s_{t+1};w)}_{TD \ target \ y_t}\)
  • 訓練價值網路就是要讓 \(v(s;w)\) 接近 \(y_t\)
    • TD error: \(\delta_t=v(s_t;w)-y_t\)
    • 梯度: \(\frac{\partial\delta^2_t/2}{\partial w}=\delta_t\cdot\frac{\partial v(s_t;w)}{\partial w}\)
    • 更新：\(w\leftarrow w-\alpha\cdot\delta_t\cdot\frac{\partial v(s_t;w)}{\partial w}\)
4. 有關的策略梯度

在A2C 演算法中的策略梯度：\(g(a_t)\approx\frac{\partial ln \pi(a_t|s_t;\theta)}{\partial \theta}\cdot[(r_t+\gamma\cdot v(s_{t+1;w}))-v(s_{t;w})]\)

會有這么一個問題，后面這一項是由價值網路給出對策略網路選出的動作進行打分，那么為什么這一項中沒有動作呢，沒有動作怎么給動作打分呢？

  • 注意這兩項：
  • \((r_t+\gamma\cdot v(s_{t+1;w}))\) 是執行完 \(a_t\) 后作出的預測
  • \(v(s_t;w)\) 是未執行 \(a_t\) 時作出的預測；
  • 兩者之差意味著動作 \(a_t\) 對于 V 的影響程度
  • 而在AC演算法中，價值網路給策略網路的是 q，而在A2C演算法中， 價值網路給策略網路的就是上兩式之差 advantage.

image

14.6 RwB 與A2C 的對比

  • 兩者的神經網路結構完全一樣

image

  • 不同的是價值網路

    • RwB 的價值網路只作為 baseline，不評價策略網路，用于降低隨機梯度造成的方差；
    • A2C 的價值網路時critic，評價策略網路；

  • RwB 是 A2C 的特殊形式，這一點下面 14.7 后會講，

14.7 A2C with m-step

單步 A2C 就是上面所講的內容，具體請見 14.5.b，

而多步A2C就是使用 m 個連續 transition：

  • \(y_t=\sum_{i=0}^{m-1}\gamma^i\cdot r_{t+1}+\gamma^m\cdot v(s_{t+m};w)\)
  • 具體參見m-step
  • 剩下的步驟沒有任何改變，只是 TD target 改變了，

下面解釋 RwB 和 A2C with m-step 的關系：

  • A2C with m-step 的TD target：\(y_t=\sum_{i=0}^{m-1}\gamma^i\cdot r_{t+1}+\gamma^m\cdot v(s_{t+m};w)\)
  • 如果使用所有的獎勵，上面兩項中的第二項（估計）就不存在，而第一項變成了
    • \(y_t=u_t=\sum_{i=t}^n \gamma^{i-t}\cdot r_i\)
    • 這就是 Reinforce with baseline.

x. 參考教程

  • 視頻課程：深度強化學習（全）_嗶哩嗶哩_bilibili
  • 視頻原地址：https://www.youtube.com/user/wsszju
  • 課件地址：https://github.com/wangshusen/DeepLearning

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/498754.html

標籤：其他

上一篇：【cartographer_ros】七： 主要配置引數說明

下一篇：從Python到水一篇AI論文（核心 or Sci三區+）（目錄）

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂