TensorFlow強化學習快速入門指南：使用Python動手搭建自學習的智能體

定　價：￥45.00

作　者：	[美] 考?？恕ぐ屠死锵Ｄ希↘aushik Balakrishnan）著，趙衛(wèi)東譯
出版社：	機械工業(yè)出版社
叢編項：	大數(shù)據(jù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111648123	出版時間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	106	字數(shù)：

內容簡介

　　強化學習是一類重要的機器學習方法，在很多領域得到了成功的應用，*近幾年與深度學習結合起來，進一步推動了人工智能的發(fā)展？本書首先介紹了強化學習的基本原理，然后介紹典型的強化學習算法，包括時序差分？ SARSA？ Q-Learning？ DeepQ-network？ Double DQN？競爭網(wǎng)絡結構？ Rainbow？ Actor-Critic？ A2C？ A3C？ TRPO和PPO等，每種算法基本上利用了主流的開源機器學習框架TensorFlow，使用Python編程進行實現(xiàn)？此外，還介紹了一些上述算法的應用？本書可以使讀者快速理解強化學習的基本知識，并通過簡單的案例加深對算法的理解？本書適合對強化學習感興趣的普通高校師生以及相關專業(yè)人員閱讀？Copyright ？ Packt Publishing 2018First published in the English language under the title “Deep Learning with TensorFlow-SecondEdition- （ 9781788831109）”Copyright in the Chinese language（ simplified characters）？ 2020 China Machine PreesThis title is published in China by China Machine Press with license from Packt Publishing Ltd.This edition is authorized for sale in China only ， excluding Hong Kong SAR. Macao SAR and Taiwan.Unauthorized export of this edition is a violation of the Copyright Act. Violation of this Law is subjectto Civil and Criminal Penalties.

作者簡介

暫缺《TensorFlow強化學習快速入門指南：使用Python動手搭建自學習的智能體》作者簡介

圖書目錄

譯者序
前　言
第 1 章　強化學習的啟動和運行 // 1
1.1　為何選擇強化學習 // 1
闡述強化學習問題 // 2
1.2 agent 及其環(huán)境之間的關系 // 3
1.2.1　定義 agent 的狀態(tài) // 3
1.2.2　定義 agent 的行為 // 3
1.2.3　了解策略、價值函數(shù)和優(yōu)勢函數(shù) // 4
1.3　認識回合 // 5
1.4　認識獎勵函數(shù)和折扣獎勵 // 5
獎勵 // 6
1.5　學習馬爾可夫決策過程 // 6
1.6　定義貝爾曼方程 // 7
1.7　同步策略與異步策略學習 // 7
1.7.1　同步策略方法 // 7
1.7.2　異步策略方法 // 8
1.8　無模型訓練和基于模型訓練 // 8
1.9　本書中涉及的算法 // 8
總結 // 9
思考題 // 9
擴展閱讀 // 9
第 2 章　時序差分、SARSA 與 Q-Learning // 10
2.1　技術需求 // 10
2.2　理解 TD 學習 // 10
價值函數(shù)與狀態(tài)之間的關系 // 11
2.3　理解 SARSA 與 Q-Learning // 11

IX
2.3.1　學習 SARSA // 12
2.3.2　理解 Q-Learning // 12
2.4　懸崖徒步與網(wǎng)格世界問題 // 12
2.4.1 SARSA 下的懸崖徒步 // 13
2.4.2 Q-Learning 下的懸崖徒步 // 18
2.4.3 SARSA 下的網(wǎng)格世界 // 20
總結 // 22
擴展閱讀 // 22
第 3 章　深度 Q 網(wǎng)絡 // 23
3.1　技術需求 // 23
3.2　學習 DQN 原理 // 23
3.3　理解目標網(wǎng)絡 // 24
3.4　了解重放緩沖區(qū) // 25
3.5 Atari 環(huán)境介紹 // 25
3.5.1 Atari 游戲概述 // 26
3.5.2　用 TensorFlow 編寫 DQN // 27
3.6　驗證 DQN 在 Atari Breakout 上的性能 // 39
總結 // 40
思考題 // 40
擴展閱讀 // 41
第 4 章　Double DQN、競爭網(wǎng)絡結構和 Rainbow // 42
4.1　技術需求 // 42
4.2　了解 Double DQN // 43
4.2.1　編寫 DDQN 并訓練解決 Atari Breakout 問題 // 43
4.2.2　在 Atari Breakout 問題中評估 DDQN 的性能 // 44
4.3　理解競爭網(wǎng)絡結構 // 45
4.3.1　編寫競爭網(wǎng)絡結構并訓練其解決 Atari Breakout 問題 // 47
4.3.2　在 Atari Breakout 中評估競爭網(wǎng)絡結構的性能 // 48
4.4　了解 Rainbow 網(wǎng)絡 // 49
DQN 改進 // 50
4.5　在 Dopamine 上運行 Rainbow 網(wǎng)絡 // 50
TensorFlow 強化學習快速入門指南
—使用 Python 動手搭建自學習的智能體
X
使用 Dopamine 運行 Rainbow // 52
總結 // 53
思考題 // 53
擴展閱讀 // 53
第 5 章　深度確定性策略梯度 // 55
5.1　技術需求 // 55
5.2 Actor-Critic 算法和策略梯度 // 56
策略梯度 // 56
5.3　深度確定性策略梯度 // 56
5.3.1　編寫 ddpg.py // 57
5.3.2　編寫 AandC.py // 59
5.3.3　編寫 TrainOrTest.py // 64
5.3.4　編寫 replay_buffer.py // 67
5.4　在 Pendulum-v0 中訓練和測試 DDPG // 68
總結 // 69
思考題 // 70
擴展閱讀 // 70
第 6 章　異步的方法——A3C 和 A2C // 71
6.1　技術需求 // 71
6.2 A3C 算法 // 71
6.2.1　損失函數(shù) // 72
6.2.2 CartPole and LunarLander // 72
6.3 A3C 算法在 CartPole 中的應用 // 73
6.3.1　編寫 cartpole.py // 73
6.3.2　編寫 a3c.py // 75
6.3.3 Worker 類 // 77
6.3.4　編寫 utils.py // 80
6.3.5 CartPole 訓練 // 81
6.4 A3C 算法在 LunarLander 中的應用 // 82
6.4.1　編寫 lunar.py // 82
6.4.2　在 LunarLander 上訓練 // 82
6.5 A2C 算法 // 83
總結 // 83
思考題 // 84
擴展閱讀 // 84
第 7 章　信任區(qū)域策略優(yōu)化和近端策略優(yōu)化 // 85
7.1　技術需求 // 85
7.2　學習 TRPO // 85
TRPO 方程 // 86
7.3　學習 PPO // 86
PPO 損失函數(shù) // 86
7.4　使用 PPO 解決 Mountain Car 問題 // 87
7.4.1　編寫 class_ppo.py // 87
7.4.2　編寫 train_test.py // 91
7.5　評估性能 // 95
7.6　馬力全開 // 95
7.7　隨機發(fā)力 // 96
總結 // 97
思考題 // 97
擴展閱讀 // 97
第 8 章　深度強化學習在自動駕駛中的應用 // 98
8.1　技術需求 // 98
8.2　汽車駕駛模擬器 // 99
8.3　學習使用 TORCS // 99
8.3.1　狀態(tài)空間 // 100
8.3.2　支持文件 // 100
8.4　訓練 DDPG agent 來學習駕駛 // 101
8.4.1　編寫 ddpg.py // 101
8.4.2　編寫 AandC.py // 101
8.4.3　編寫 TrainOrTest.py // 102
TensorFlow 強化學習快速入門指南
—使用 Python 動手搭建自學習的智能體
8.5　訓練 PPO agent // 104
總結 // 104
思考題 // 105
擴展閱讀 // 105
附錄　思考題答案 // 10