資料| Python強化學習實戰:應用OpenAI Gym和TensorFlow精通強化...

2020-12-05 手機鳳凰網

內容簡介 · · · · · ·

強化學習是一種重要的機器學習方法，在智能體及分析預測等領域有許多應用。

《Python強化學習實戰：應用OpenAI Gym和TensorFlow精通強化學習和深度強化學習》共13章，主要包括強化學習的各種要素，即智能體、環境、策略和模型以及相應平臺和庫；Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安裝配置；馬爾可夫鏈和馬爾可夫過程及其與強化學習問題建模之間的關係，動態規劃的基本概念；蒙特卡羅方法以及不同類型的蒙特卡羅預測和控制方法；時間差分學習、預測、離線/在線策略控制等；多臂賭博機問題以及相關的各種探索策略方法；深度學習的各種基本概念和RNN、LSTM、CNN等神經網絡；深度強化學習算法DQN，以及雙DQN和對抗網絡體系結構等改進架構；DRQN以及DARQN；A3C網絡的基本工作原理及架構；策略梯度和優化問題；最後介紹了強化學習的全新進展以及未來發展。

作者簡介 · · · · · ·

Sudharsan Ravichandiran 是一位數據科學家、研究員、人工智慧愛好者以及 YouTuber（搜索 Sudharsan reinforcement learning），獲得了 Anna 大學信息技術學士學位。他的研究領域包括深度學習和強化學習的實現，其中包括自然語言處理和計算機視覺。他曾是一名自由職業的網頁開發人員和設計師，所設計開發的網站屢獲殊榮，同時也熱衷於開源，擅長解答堆棧溢出問題。

原書審稿人簡介 Sujit Pal 是 Elsevier 實驗室的技術研究總監， Elsevier 實驗室是 Reed-Elservier 集團公司下的一個先進技術團隊，研究領域包括語義檢索、自然語言處理、機器學習和深度學習。他在 Elsevier 實驗室主要從事搜索質量檢測與改進、圖像分類和重複率檢測、醫學和科學語料庫的標註與本體開發。他曾與 Antonio Gulli 合作撰寫了一本關於深度學習的著作，並在博客 Slamon Run 上撰寫了一些科技文章。

Suriyadeepan Ramamoorthy 是一名來自印度 Puducherry 的 AI 研究人員和工程師，主要研究領域是自然語言理解和推理，同時積極撰寫有關深度學習的博客文章。在 SAAMA 技術中，他將先進的深度學習技術應用於生物醫學文本分析，同時也是一名積極推動 FSFTN領域發展的免費軟體宣傳者，另外對社交網絡、數據可視化和創造性編程也非常感興趣。

相關焦點

  • 【強化學習實戰】基於gym和tensorflow的強化學習算法實現
    1新智元推薦【新智元導讀】知乎專欄強化學習大講堂作者郭憲博士開講《強化學習從入門到進階》，我們為您節選了其中的第二節《基於gym和tensorflow的強化學習算法實現》，希望對您有所幫助。同時，由郭憲博士等擔任授課教師的深度強化學習國慶集訓營也將於 10 月 2 日— 6 日在北京舉辦。
  • DRL:強化學習——實例
    強化學習局限性強化學習非常依賴狀態state的概念，state既是策略函數和價值函數的輸入，又是環境模型model的輸入和輸出。強化學習適合解決什麼問題強化學習適合於解決模型未知，且當前決策會影響環境狀態的（序列）決策問題。強化學習和監督學習、無監督學習的區別監督學習一般有標籤信息，而且是單步決策問題，比如分類問題。監督學習的樣本一般是獨立 同分布的。
  • OpenAI發布強化學習環境Gym Retro:支持千種遊戲
    Gym 是 OpenAI 發布的用於開發和比較強化學習算法的工具包。使用它我們可以讓 AI 智能體做很多事情，比如行走、跑動，以及進行多種遊戲。目前，它運行在支持 Python 3.5 和 3.6 的 Linux、macOS 和 Windows 系統上。
  • python應用之基於tensorflow的數據擬合:深度學習之預測入門篇
    實驗目的：1、了解python在深度學習領域的應用2、學習安裝python第三方依賴庫實驗環境：已正確安裝python3.5以及依賴庫tensorflow、matplotlib預測過程展示：1、應用領域python是一種高級面向對象的動態類型語言，具有開發高效，學習簡單的特點，主要應用於大數據、深度學習、
  • 最簡單的深度學習TensorFlow應用舉例!
    小編最近準備入坑TensorFlow，沒系統的學python，想邊學tf順便一起學python，花很多時間配了環境，今天終於要拿出來曬曬太陽了~這裡為大家帶來了TensorFlow的最簡單的例子。小編我的電腦很一般，沒有32G內存，也沒有1080，就windows上直接裝了23333windows+python 3.6+pycharm+tensorflow cpu話不多說，直接線性回歸，上圖。
  • 從星際2深度學習環境到神經機器翻譯,上手機器學習這些開源項目必...
    3.增強學習增強學習可要求算法實現一個特定的目標，它通過獎懲的方式使 Agent 行為性能達到最大。例如，增強學習可以用於開發自動駕駛汽車或者教會一個機器人如何生產物件。opopenai / gymGitHub 地址：https://github.com/openai/gym一個用於開發和比較增強學習算法的工具包。
  • 乾貨| 請收下這份2018學習清單:150個最好的機器學習,NLP和Python...
    給小白看的強化學習及其實現指南 (analyticsvidhya.com)https://www.analyticsvidhya.com/blog/2017/01/introduction-to-reinforcement-learning-implementation/強化學習教程(mst.edu)https://
  • ...請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    >強化學習教程(mst.edu)https://web.mst.edu/~gosavia/tutorial.pdf強化學習，你學了麼？NLP中的應用(wildml.com)http://www.wildml.com/2016/01/attention-and-memory-in-deep-learning-and-nlp/序列到序列模型(tensorflow.org)https
  • 乾貨 | 請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    https://web.mst.edu/~gosavia/tutorial.pdf 強化學習，你學了麼？NLP中的應用(wildml.com)http://www.wildml.com/2016/01/attention-and-memory-in-deep-learning-and-nlp/ 序列到序列模型(tensorflow.org)https://www.tensorflow.org/tutorials/seq2seq
  • TensorFlow 中文資源全集,學習路徑推薦
    入門教程，簡單的模型學習和運行。實戰項目，根據自己的需求進行開發。>開始學習:https://tensorflow.google.cn/get_started/MNIST 針對初學者的字體識別:https://tensorflow.google.cn/get_started/mnist/beginnersMNIST 針對專業的深度字體識別:https://tensorflow.google.cn
  • 在Windows中安裝Tensorflow和Kears深度學習框架
    建立工作目錄 在命令提示符串口輸入下列命令： 建立並切換到工作目錄 md pythonwork cd pythonwork 執行後屏幕顯示界面如圖在命令提示符窗口輸入下列命令： 建立Tensorflow Anaconda虛擬環境 conda create --name tensorflow python=3.5 anaconda 執行後屏界面顯示如圖3-9所示。
  • 分享TensorFlow Lite應用案例
    TF Lite 對於 CNN 類的應用支持較好，目前對於 RNN 的支持尚存在 op 支持不足的缺點。但是考慮到內存消耗和性能方面的提升，Kika 仍然建議投入一部分的研發力量，在移動端考慮採用 TF Lite 做為基於 RNN 深度學習模型的 inference 部署方案。 　　2.
  • TensorFlow極速入門
    熱衷於深度學習技術的探索，對新事物有著強烈的好奇心。一、前言目前，深度學習已經廣泛應用於各個領域，比如圖像識別，圖形定位與檢測，語音識別，機器翻譯等等，對於這個神奇的領域，很多童鞋想要一探究竟，這裡拋磚引玉的簡單介紹下最火的深度學習開源框架 tensorflow。
  • TensorFlow 資源大全中文版
    – 一個基於深度學習的聊天機器人colornet – 使用神經網絡給灰度圖像著色圖像生成器 – Show and Tell算法實現Attention based的自動圖像生成器 – Show, Attend and Tell算法實現Weakly_detector – 用於定位的深度特徵Dynamic Capacity Networks
  • 中科大統計學python_python 中科大 - CSDN
    課程內容基本上是以代碼編程為主，也會有少量的深度學習理論內容。課程會從Tensorflow最基礎的圖(graphs),會話(session),張量(tensor),變量(Variable)等一些最基礎的知識開始講起，逐步講到Tensorflow的基礎使用，以及在Tensorflow中CNN和LSTM的使用。
  • TensorFlow 攜手 NVIDIA,使用 TensorRT 優化 TensorFlow Serving...
    HTTP/REST API at:localhost:8501 …$ curl -o /tmp/resnet/resnet_client.py https://raw.githubusercontent.com/tensorflow/serving/master/tensorflow_serving/example/resnet_client.py$ py
  • Huskarl 最近進展:已支持與 OpenAI Gym 環境無縫結合!
    背景概述深度學習革命在計算機視覺和自然語言處理等領域取得了許多最新的進展和突破。尤其是在深度強化學習這個特別的領域，我們已經看到了非凡的進展。2013 年 DeepMind 出版了「用深度強化學習來玩 Atari」，這個模型只通過觀看屏幕上的像素，就可以學習如何玩 Atari 遊戲。
  • 基於TensorFlow 、OpenCV 和 Docker 的實時視頻目標檢測
    實時和視頻目標識別都可以在我的個人筆記本電腦上以高性能運行，僅使用 8GB CPU。Docker在數據科學中的應用我不在這裡描述 Tensorflow 目標檢測 API 的實現，因為相關的文檔很多。我將展示數據科學家在日常工作中如何使用 Docker。
  • 最熱門的深度學習框架TensorFlow入門必備書籍
    但進入機器學習和人工智慧領域並不是一件簡單的事情，目前市場上有許多大量的學習資源，許多開發者和想要進入的愛好者往往很難找到適合自己的發展路徑。其實，早在 2015 年底，谷歌就開源了內部使用的深度學習框架 TensorFlow 。眾多研究表明，Tensorflow 是研究深度學習的首選平臺。
  • Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】
    語音識別和語義理解，機器翻譯等各個領域得到了廣泛應用，同時也得到了業內人士的普遍認可，成為了目前最受關注和使用率最高的開源框架之一。本文將重點整理TensorFlow框架的入門和安裝教程。更多關於TensorFlow的深入介紹、應用項目以及各機器學習開源框架之間的對比等內容，請見雷鋒網的系列文章。