谷歌发布开源Dopamine 2.0，让强化学习变得更灵活

\u003cp\u003e强化学习（RL）已成为最受欢迎的机器学习领域之一，并且在过去几年中取得了许多重大进展。因此，研究人员和教育工作者越来越需要获得一个清晰可靠的RL研究和教育框架。去年8月，谷歌发布了一款\u003ca href=\"https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==\u0026amp;mid=2247492455\u0026amp;idx=1\u0026amp;sn=fac2236ad971340d5d8d577a94d9e63e\u0026amp;chksm=fbea5aa8cc9dd3bef23a5cbd260dc162343a651031562ab1558032c67895e594362accf680ed\u0026amp;scene=27#wechat_redirect\"\u003e全新的开源强化学习框架 Dopamine\u003c/a\u003e，该框架基于 TensorFlow，主打灵活性、稳定性、复现性，能够提供快速的基准测试。\u003c/p\u003e\n\u003cp\u003e今天，谷歌发布Dopamine 2.0，为强化学习提供了更高的灵活性以及更多的测试环境。\u003c/p\u003e\n\u003cp\u003e去年八月，谷歌发布了Dopamine，这是一款灵活的强化学习框架。初始版本专注于特定类型的RL研究：基于 Arcade 学习环境（一个成熟的、易于理解的基准）和四个基于值的代理 DQN、C51、Rainbow 代理的简化版本以及隐式分位数网络代理实现的。\u003c/p\u003e\n\u003cp\u003e开源地址：\u003ca href=\"https://github.com/google/dopamine\"\u003ehttps://github.com/google/dopamine\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e据官方博客介绍：\u003c/p\u003e\n\u003cp\u003e开发小组收到的最常见的请求之一是对更多环境的支持。这证实了他们在内部看到的情况，在测试新算法时，OpenAI的Gym支持的简单环境非常有用。于是，谷歌正式发布Dopamine 2.0，这一版本包括了对离散域Gym环境(如离散状态和动作)的支持。框架的核心保持不变，只是简单地概括了与环境的接口。为了向后兼容，用户仍然可以下载1.0版本。\u003c/p\u003e\n\u003cp\u003e此外，新版本还包括两个经典控制环境的默认配置：CartPole和Acrobot；在这些环境中，用户可以在几分钟内训练Dopamine代理。与标准Atari 2600游戏的训练时间（标准GPU上大约5天）相比，这些环境允许研究人员在更大规模的Atari游戏上测试比之前更快地迭代研究思路。新版本还包括一个合作实验室，演示如何在Cartpole和Acrobot上训练代理。最后，GymPreprocessing类为如何将Dopamine与其他自定义环境一起使用提供了示例。\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e拓展阅读\u003c/strong\u003e\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==\u0026amp;mid=2247492455\u0026amp;idx=1\u0026amp;sn=fac2236ad971340d5d8d577a94d9e63e\u0026amp;chksm=fbea5aa8cc9dd3bef23a5cbd260dc162343a651031562ab1558032c67895e594362accf680ed\u0026amp;scene=27#wechat_redirect\"\u003e吊打OpenAI！谷歌重磅开源强化学习框架Dopamine\u003c/a\u003e\u003c/p\u003e\n