کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Procedural Content Generation via Reinforcement Learning (PCGRL) has been introduced as a means by which controllable designer agents can be trained based only on a set of computable metrics acting as a proxy for the level's quality and key characteristics. While PCGRL offers a unique set of affordances for game designers, it is constrained by the compute-intensive process of training RL agents, and has so far been limited to generating relatively small levels. To address this issue of scale, we implement several PCGRL environments in Jax so that all aspects of learning and simulation happen in parallel on the GPU, resulting in faster environment simulation; removing the CPU-GPU transfer of information bottleneck during RL training; and ultimately resulting in significantly improved training speed. We replicate several key results from prior works in this new framework, letting models train for much longer than previously studied, and evaluating their behavior after 1 billion timesteps. Aiming for greater control for human designers, we introduce randomized level sizes and frozen "pinpoints" of pivotal game tiles as further ways of countering overfitting. To test the generalization ability of learned generators, we evaluate models on large, out-of-distribution map sizes, and find that partial observation sizes learn more robust design strategies.
چکیده به فارسی (ترجمه ماشینی)
تولید محتوای رویه ای از طریق یادگیری تقویت (PCGRL) به عنوان ابزاری معرفی شده است که با استفاده از آن می توان عوامل قابل کنترل طراح را فقط بر اساس مجموعه ای از معیارهای قابل محاسبه آموزش دادند که به عنوان یک پروکسی برای کیفیت و ویژگی های کلیدی عمل می کنند.در حالی که PCGRL مجموعه ای از هزینه های منحصر به فرد را برای طراحان بازی ارائه می دهد ، با فرآیند محاسبات فشرده آموزش عوامل RL محدود می شود و تاکنون محدود به تولید سطوح نسبتاً کمی بوده است.برای پرداختن به این مسئله مقیاس ، ما چندین محیط PCGRL را در JAX پیاده سازی می کنیم تا تمام جنبه های یادگیری و شبیه سازی به طور موازی بر روی GPU اتفاق بیفتد و در نتیجه شبیه سازی سریعتر محیط ایجاد شود.از بین بردن انتقال CPU-GPU از تنگناهای اطلاعاتی در طول آموزش RL.و در نهایت منجر به بهبود چشمگیر سرعت تمرین می شود.ما چندین نتیجه کلیدی از کارهای قبلی را در این چارچوب جدید تکرار می کنیم ، اجازه می دهیم مدل ها خیلی طولانی تر از آنچه که قبلاً مورد مطالعه قرار گرفت ، آموزش دهند و رفتار آنها را پس از 1 میلیارد زمان بندی ارزیابی کنیم.با هدف کنترل بیشتر برای طراحان انسانی ، ما اندازه های سطح تصادفی و "نقاط" یخ زده از کاشی های بازی محوری را به عنوان روش های بیشتر برای مقابله با بیش از حد معرفی می کنیم.برای آزمایش توانایی تعمیم ژنراتورهای آموخته شده ، ما مدلهایی را در مورد اندازه نقشه های بزرگ و خارج از توزیع ارزیابی می کنیم و می یابیم که اندازه های مشاهده جزئی استراتژی های طراحی قوی تری را می آموزند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
