电子书
内容简介
这是一本介绍用OpenAI Gym构建智能体的实战指南。全书先简要介绍智能体和学习环境的一些入门知识，概述强化学习和深度强化学习的基本概念和知识点，然后重点介绍OpenAI Gym的相关内容，随后在具体的Gym环境中运用强化学习算法构建智能体。本书还探讨了这些算法在游戏、自动驾驶领域的应用。 本书适合想用OpenAI Gym构建智能体的读者阅读，也适合对强化学习和深度强化学习感兴趣的读者参考。读者应具备一定的Python编程基础。
章节目录
- 版权信息
- 版 权
- 内容提要
- 致中国读者
- 作者简介
- 审校者简介
- 译者简介
- 中文版审校者简介
- 译者序
- 前 言
- 资源与支持
- 第1章 智能体与学习环境入门
- 1.1 智能体简介
- 1.2 学习环境
- 1.3 OpenAI Gym简介
- 1.4 理解OpenAI Gym的主要特性
- 1.4.1 简单的环境接口
- 1.4.2 可比较与可复现
- 1.4.3 进程可监控
- 1.5 OpenAI Gym工具包的作用
- 1.6 创建第一个OpenAI Gym环境
- 1.7 小结
- 第2章 强化学习和深度强化学习
- 2.1 强化学习简介
- 2.2 直观理解人工智能的含义和内容
- 2.2.1 监督学习
- 2.2.2 非监督学习
- 2.2.3 强化学习
- 2.3 强化学习实战
- 2.3.1 智能体
- 2.3.2 奖励
- 2.3.3 环境
- 2.3.4 状态
- 2.3.5 模型
- 2.3.6 值函数
- 2.3.7 策略
- 2.4 马尔可夫决策过程
- 2.5 动态规划
- 2.6 蒙特卡洛学习和时序差分学习
- 2.7 SARSA和Q-Learning
- 2.8 深度强化学习
- 2.9 强化学习和深度强化学习算法的实践应用
- 2.10 小结
- 第3章 开启OpenAI Gym和深度强化学习之旅
- 3.1 代码库、设置和配置
- 3.1.1 先决条件
- 3.1.2 创建conda环境
- 3.1.3 最小化安装——快捷简便的方法
- 3.1.4 完整安装OpenAI Gym学习环境
- 3.2 安装深度强化学习所需的工具和库
- 3.2.1 安装必备的系统软件包
- 3.2.2 安装CUDA
- 3.2.3 安装PyTorch
- 3.3 小结
- 第4章 探索Gym及其功能
- 4.1 探索环境列表和术语
- 4.1.1 术语
- 4.1.2 探索Gym环境
- 4.2 理解Gym接口
- 4.3 Gym中的空间
- 4.4 小结
- 第5章 实现第一个智能体——解决过山车问题
- 5.1 了解过山车问题
- 5.2 从零开始实现Q-Learning智能体
- 5.2.1 Q-Learning回顾
- 5.2.2 使用Python和NumPy实现Q-Learning智能体
- 5.3 在Gym中训练强化学习智能体
- 5.4 测试并记录智能体的性能
- 5.5 一个简单且完整的Q-Learner实现——过山车问题的解决方案
- 5.6 小结
- 第6章 用深度Q-Learning实现最优化控制智能体
- 6.1 优化Q-Learning智能体
- 6.1.1 用神经网络近似Q函数
- 6.1.2 经验回放
- 6.1.3 重温ε-贪婪动作策略
- 6.2 实现一个深度Q-Learning智能体
- 6.2.1 用PyTorch实现一个深度卷积Q网络
- 6.2.2 使用目标Q网络稳定智能体的学习
- 6.2.3 记录和可视化智能体的学习过程
- 6.2.4 管理超参数和配置参数
- 6.2.5 用完整的深度Q-Learner处理输入为原始像素的复杂问题
- 6.3 Atari Gym环境
- 6.4 训练深度Q-Learner玩Atari游戏
- 6.4.1 整合一个完整的深度Q-Learner
- 6.4.2 超参数
- 6.4.3 启动训练过程
- 6.4.4 在Atari游戏中测试深度Q-Learner的性能
- 6.5 小结
- 第7章 创建自定义OpenAI Gym环境——CARLA
- 7.1 理解Gym环境结构
- 7.1.1 为自定义Gym环境实现创建模板
- 7.1.2 在OpenAI Gym环境中注册自定义环境
- 7.2 创建与OpenAI Gym兼容的CARLA环境
- 7.2.1 配置和初始化
- 7.2.2 实现reset方法
- 7.2.3 为CARLA环境实现step函数
- 7.2.4 测试CARLA Gym环境
- 7.3 小结
- 第8章 用深度演员-评论家算法实现无人驾驶智能体
- 8.1 深度n步优势演员-评论家算法
- 8.1.1 策略梯度
- 8.1.2 演员-评论家算法
- 8.1.3 优势演员-评论家算法
- 8.1.4 n步优势演员-评论家算法
- 8.1.5 深度n步优势演员-评论家算法
- 8.2 实现深度n步优势演员-评论家智能体
- 8.2.1 初始化演员和评论家网络
- 8.2.2 用当前策略获取n步经验
- 8.2.3 计算演员和评论家的损失
- 8.2.4 更新演员-评论家模型
- 8.2.5 用于保存/加载、记录、可视化和监视的工具
- 8.2.6 扩展——异步深度n步优势演员-评论家
- 8.3 训练一个“聪明”的自动驾驶智能体
- 8.3.1 训练和测试深度n步优势演员-评论家智能体
- 8.3.2 训练智能体在CARLA中驾驶车辆
- 8.4 小结
- 第9章 探索学习环境全景——Roboschool、Gym Retro、StarCraft-Ⅱ和DeepMind Lab
- 9.1 Gym接口兼容的环境
- 9.1.1 Roboschool
- 9.1.2 Gym Retro
- 9.2 其他基于Python的开源学习环境
- 9.2.1 星际争霸Ⅱ——PySC2
- 9.2.2 DeepMind Lab
- 9.3 小结
- 第10章 探索学习算法世界——DDPG（演员-评论家）、PPO （策略梯度）、Rainbow（基于值）
- 10.1 深度确定性策略梯度
- 10.2 近端策略优化
- 10.3 Rainbow
- 10.3.1 核心概念
- 10.3.2 优点及应用简要总结
- 10.4 小结
展开全部
深度强化学习实战：用OpenAI Gym构建智能体是2023年由人民邮电出版社出版,作者普拉文·巴拉尼沙米(Praveen。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《深度强化学习实战：用OpenAI Gym构建智能体》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
电子书
电子书
