GitHub万星资源:强化学习算法实现,教程代码学习规划全都有

 GitHub万星资源:强化学习算法实现,教程代码学习规划全都有

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

自从有了强化学习(RL),AI上能星际争霸,下能雅达利称王,让内行人沉醉,让外行人惊奇。

这里恰有一份标星过万的强化学习资源,既有教程推荐,又有配套练习,网友学了都说好,并且还在实时更新。

入学要求并不高,只需要一些基础的数学和机器学习知识。

清晰的学习路径

想要入门强化学习,一份优质的课程必不可少。

强化学习资源千千万,项目作者 Denny Britz 大力推荐这两个:

David Silver 的强化学习课程

http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html

以及 Richard Sutton 和 Andrew Barto的《强化学习:简介(第二版)》

http://incompleteideas.net/book/RLbook2018.pdf

p.s. 实测无需魔法

Denny Britz 小哥表示,这两本书几乎涵盖了入门强化学习需要了解的大部分研究论文,基础决定高度,理论知识还是要扎扎实实学起来。

理论有了,可书里并没有算法实现。

别担心,帮人帮到底,送佛送到西,Denny Britz 亲自动手,用 Python,OpenAI Gym 和 Tensorflow 实现了大多数标准强化算法,并把它们都共享了出来,方便大家配合教材食用。

简直太贴心。

在这份万星资源里,每个文件夹都对应着教材的一个或多个章节。除了练习和解决方案之外,每个文件夹下还包含了一系列学习目标,基础概念摘要,以及相关链接。

基于模型的强化学习:使用动态规划的策略迭代和值迭代这一章为例。

这一章配套的是 David Silver RL课程的第三讲,动态编程规划。

首先是学习目标:

  • 了解策略评估和策略改进之间的区别,以及这些流程如何相互作用
  • 理解策略迭代算法
  • 理解值迭代算法
  • 了解动态规划方法的局限性

设定好学习目标,这份教程还替你划了重点概念。

最后,奉上实战演练。

大框架已经搭好,只需专注重点思考如何填空:

文后附标准答案:

实现算法列表

这份教程现在涵盖了以下算法实现。

  • 动态规划策略评估
  • 动态规划策略迭代
  • 动态规划值迭代
  • 蒙特卡洛预测
  • Epslion-Greedy 策略的蒙特卡洛控制
  • 具有重要性抽样的蒙特卡洛非策略控制
  • SARSA(策略 TD 学习)
  • Q学习(非策略 TD 学习)
  • 线性函数逼近的Q学习
  • 雅达利游戏的深度Q学习
  • 雅达利游戏的双重深度Q学习
  • 优先经验回放的深度Q学习(施工中)
  • 策略梯度:基线强化
  • 策略梯度:基线Actor-Critic 算法
  • 策略梯度:具有连续动作空间的基线 Actor-Critic 算法
  • 连续动作空间的确定性策略梯度(施工中)
  • DDPG(施工中)
  • 异步优势 Actor-Critic 算法(A3C)

学习路径如此清晰,这样的优质资源,不Mark一下吗?

相关推荐