PaddlePaddlle强化学习及PARL框架

PARL 的名字来源于 PAddlepaddle Reinfocement Learning，是一款基于百度 PaddlePaddle 打造的深度强化学习框架。PARL 凝聚了百度多年来在强化学习领域的技术深耕和产品应用经验。与现有强化学习工具和平台相比，具有更高的可扩展性、可复现性和可复用性，强大的大规模并行化和稀疏特征的支持能力，以及工业级应用案例的验证。

该强化学习框架主要有以下特点：

可复现性保证。我们提供了高质量的主流强化学习算法实现，严格地复现了论文对应的指标。

大规模并行支持。框架最高可支持上万个CPU的同时并发计算，并且支持多GPU强化学习模型的训练。

可复用性强。用户无需自己重新实现算法，通过复用框架提供的算法可以轻松地把经典强化学习算法应用到具体的场景中。

良好扩展性。当用户想调研新的算法时，可以通过继承我们提供的基类可以快速实现自己的强化学习算法。

百度这次推出的强化学习7日训练营https://aistudio.baidu.com/aistudio/course/introduce/1335由百度NeurIPS全球顶会冠军团队亲自授课，7日全直播手把手教学，5大实战，带你从零实践强化学习！

心得体会

通过本次训练营，我主要学会和了解了强化学习经典算法：Q-learning、Sarsa、DQN、Policy Gradient、DDPG，并且通过主讲老师的讲解，充分的学习和使用了PaddlePaddle深度学习框架以及PARL这个框架，尤其是最近在入门和学习强化学习，这个课程使我先对强化学习有了一个感性的认识，而不是面对一堆堆数学公式直接放弃，在此也可以向大家推荐一些强化学习相关的教程和书籍：

《Reinforcement Learning：An Introduction》

《深入浅出强化学习：原理入门》

阿尔伯塔大学强化学习课程：https://www.coursera.org/specializations/reinforcement-learning

强化学习库 PARL：https://github.com/PaddlePaddle/PARL