22.2K ·GitHub
Что это такое?
Собрание реализаций алгоритмов обучения с подкреплением, упражнения и решения, которые сопровождают учебник Саттона «Reinforcement Learning: An Introduction» и курс Дэвида Сильвера по обучению с подкреплением.
Собрание реализаций алгоритмов обучения с подкреплением, упражнения и решения, которые сопровождают учебник Саттона «Reinforcement Learning: An Introduction» и курс Дэвида Сильвера по обучению с подкреплением.Это библиотека, которую я импортирую, или набор самостоятельных блокнотов и скриптов?Это набор самостоятельных блокнотов Jupyter, разложенных по папкам. Каждая папка соответствует одной или нескольким главам учебника или курса. Это не устанавливаемая библиотека.
Это набор самостоятельных блокнотов Jupyter, разложенных по папкам. Каждая папка соответствует одной или нескольким главам учебника или курса. Это не устанавливаемая библиотека.С чего начать упражнения?Выберите папку, соответствующую главе или теме, которую вы изучаете. В каждой есть цели обучения, краткое изложение материала, ссылки на литературу и блокнот с упражнением и соответствующим решением.
Выберите папку, соответствующую главе или теме, которую вы изучаете. В каждой есть цели обучения, краткое изложение материала, ссылки на литературу и блокнот с упражнением и соответствующим решением.Что нужно установить, чтобы запустить код?Python 3, OpenAI Gym для сред обучения с подкреплением и TensorFlow для алгоритмов на нейронных сетях (Deep Q-Learning, A3C, DDPG и др.).
Python 3, OpenAI Gym для сред обучения с подкреплением и TensorFlow для алгоритмов на нейронных сетях (Deep Q-Learning, A3C, DDPG и др.).Все ли алгоритмы полностью готовы?Нет. Несколько продвинутых разделов явно помечены как находящиеся в разработке, включая Deep Q Learning, методы градиента политики (Policy Gradient Methods), приоритетное воспроизведение опыта (Prioritized Experience Replay) и DDPG.
Нет. Несколько продвинутых разделов явно помечены как находящиеся в разработке, включая Deep Q Learning, методы градиента политики (Policy Gradient Methods), приоритетное воспроизведение опыта (Prioritized Experience Replay) и DDPG.Какие алгоритмы здесь реализованы на самом деле?Динамическое программирование (итерация политики и итерация ценностей), предсказание и управление методом Монте-Карло, SARSA, Q-Learning, Deep Q-Learning для игр Atari, Double DQN, REINFORCE, Actor-Critic и A3C, а также другие.
Динамическое программирование (итерация политики и итерация ценностей), предсказание и управление методом Монте-Карло, SARSA, Q-Learning, Deep Q-Learning для игр Atari, Double DQN, REINFORCE, Actor-Critic и A3C, а также другие.Здесь есть глубокое обучение с подкреплением уровня Atari или только учебные игрушечные задачи?И то, и другое. Сначала идут классические табличные методы, такие как динамическое программирование и Монте-Карло, а затем Deep Q-Learning и Double DQN, применённые к играм Atari с использованием TensorFlow.
И то, и другое. Сначала идут классические табличные методы, такие как динамическое программирование и Монте-Карло, а затем Deep Q-Learning и Double DQN, применённые к играм Atari с использованием TensorFlow.Где найти дополнительную литературу?В README есть ссылки на учебник Саттона, курс Дэвида Сильвера в UCL, несколько университетских курсов по глубокому обучению с подкреплением (Berkeley, Georgia Tech, Waterloo), ключевые статьи, включая статьи о Deep Q-Network и DDPG, а также связанные открытые проекты по обучению с подкреплением.
В README есть ссылки на учебник Саттона, курс Дэвида Сильвера в UCL, несколько университетских курсов по глубокому обучению с подкреплением (Berkeley, Georgia Tech, Waterloo), ключевые статьи, включая статьи о Deep Q-Network и DDPG, а также связанные открытые проекты по обучению с подкреплением.What are similar projects?cleanrl, easy-rl, tianshou, mit-deep-learning, DeepLearning, machine-learning-notes, ML-From-Scratch, handson-ml3
cleanrl, easy-rl, tianshou, mit-deep-learning, DeepLearning, machine-learning-notes, ML-From-Scratch, handson-ml3