Python深度強化學習：基於Chainer和OpenAI Gym
牧野 浩二 西崎 博光
306人在讀
8.2萬字總字數
¥47.4定價
牧野 浩二 西崎 博光
近年來，機器學習受到了人們的廣泛關注。本書面向普通大衆，指導讀者在Python（基於Chainer和OpenAI Gym）中實踐深度強化學習。讀者只需要具備一些基本的編程經驗即可讀懂書中內容，通過實現具體程序來掌握深度強化學習的相關知識。本書內容：介紹深度學習、強化學習和深度強化學習的基本知識。通過多種實際對戰遊戲（如太空侵略者、喫豆人）來介紹算法，如ε-greedy算法。使用Anaconda設置本地PC，在倒立擺和老鼠學習問題中實現深度強化學習。使用Python實現MNIST手寫數字分類任務。實現深度強化學習的基本算法DQN。詳解繼DQN之後提出的新的深度強化學習技術（DDQN、PER-DQN、DDPG和A3C等）。
用Chainer和Chainerrl框架(日本的)處理深度學習和深度強化學習問題，現在搭建深度學習一般用pytorch或者TensorFlow框架，且谷歌發現負責Chainer的公司2019年就宣佈已經停止開發並轉向pytorch框架了，再看這個用處不大
我原本看這本書的原因是想從更底層的原理上學習強化學習，並沒有達到目的，這本書只是講了一些基礎的概念，如下總結的，然後其他大量的都是代碼實踐，對我一個產品來說，沒有什麼營養。反之，我花了十分鐘向ChatGpt4提問所學習到的，都要比這些深刻的多 1、基礎概念：卷積神經網絡、循環神經網絡、自編碼器的概念 2、迭代學習：在深度學習中，通常執行迭代學習，即訓練數據不是使用一次而是多次重複使用。這樣的迭代次數稱爲epoch數。 3、小批量訓練：在深度學習中，通常使用一種稱爲小批量訓練的方法。在這種情況下，將訓練數據劃分爲幾種大小的塊，並使用劃分後的少量樣本更新神經網絡的參數 4、強化學習的半監督學習優勢：強化學習具有其他大多數機器學習方法所沒有的半監督學習（利用小規模有標籤數據和大規模無標籤數據一同進行訓練的方法）的優勢。