【强化学习】入门和资料

去年的alpha go到 alpha go zero 在到Alpha Zero, deeepmaid真的是不断在刷分,追赶不及。核心还是深度学习+强化学习。感觉深度学习的发展已经逐渐进入冷却期。NIPS的文章数量虽然排在第二名,但是除非出现非常创新性的算法,例如Le Cun 老爷子的Capsule Net啥的,当然。。个人观点。深度学习这把火一起烧起来的还有强化学习。毕竟能让机器自己学习,在控制、游戏中应用中很多。最近在整理资料,看到这部分,所以动手实践下,做个入门。

环境搭建

搭建指南可以参见这里点击,作者基本罗列的常用框架和工具的安装和简单使用,包括

  • MuJoCo 学生可以免费使用一年,gym-算法评估,
  • rllib-类似gym但是提供了一些算法实现,
  • DeepMind Lab 3D迷宫学习环境,
  • OpenAI Baselines 高质量强化学习算法实现
  • PySC2,TORCS StarCraft II和赛车实验环境

这里记个坑:DeepMind的开源在这里是主流了,项目都是用的Bazel,这个东西楼主没用过。于是根据doc安装,其中有句话说 “you can update bazel by using - sudo apt upgrade bazel”, 想都没想直接执行了这个命令,结果把整个系统都更新了。。可怕。坑人的教程,下次记得带脑。。

资料整理(欢迎补充)

环境安装教程

[1] http://blog.csdn.net/jinzhuojun/article/details/77144590

课程

[1] https://www.bilibili.com/video/av16921335/ (莫烦 Python)
[2] http://web.stanford.edu/class/cs234/index.html (cs234)

书籍

[1] http://www.incompleteideas.net/book/the-book.html (MIT 1998和2018年的都有,间隔了20年,代码也有链接)

Github

[1] https://github.com/junhyukoh/deep-reinforcement-learning-papers (paper汇总)
[2] https://github.com/dennybritz/reinforcement-learning
[3] https://github.com/rlcode/reinforcement-learning

你可能感兴趣的:(强化学习)