白话强化学习与PyTorch

学过数学的人一看就可以发现，没有时间的积累和自己的思考绝对写不出这样的书，我作为一个选修了传统的统计学习，对强化学习感兴趣的学生，感觉入门起来非常不错。 不过想食用体验很好一定要有条件期望，马尔可夫链的基础，最好再修过贝叶斯统计。 这本书质量我认为比大学内绝大部分数学教材要好，因为那些教材只是堆叠晦涩的概念。甚至不成体系。

自从开始上手练习具体的模型训练，发现照着案例走的学习确实一学就会，一跑就通，轮到自己独立探索，模拟个平方计算都错的离谱！ 难怪听人说训练神经网络是一个玄学！ 我觉得这本书写的有点不经心，有点不上不下的尴尬（可能是我这种野生自学者的问题），但依然推荐！因为我从中读到了自己此前根本没有了解的不少东西，比如遗传算法的神经网络（我觉得更多是一种技术尝试），比如alphago的输入通道。我觉得无论理论的介绍还是案例的实操都有点蜻蜓点水，很多明显的打字错误都没有更正，但，看过来人的经验是一个避免玄学荼毒的好办法，没错，我不认同玄学说，至少，在自己弄明白里头的数学原理之前不要用玄学给自己找借口！这里的数学原理并不只是相关于神经网络的那些东西，还包括我们解决问题的时候的数学头脑！

由浅入深，但是没有深入浅出。虽然说是白话，但对零基础的读者来说阅读体验不算太好，主要公式实在是太多了 😂。也可能是两天时间看这个确实有点着急了，整体结构、行文脉络都是蛮好的，样例也比较详实，也有一定的拓展内容。 另外补充两点： - 这本书写于 2018 年，书中介绍的 Gym 和 SurpentAI 都已不再维护，可用性不高，建议探索一些更活跃更成熟的工具，如前者已经切换成 Gymnasium 项目； - 现在大模型已经成熟到能够识别公式，使用豆包插件在线阅读可以在很大程度上提升阅读体验。

这本书满足了我对强化学习的好奇心。由于水平问题，很多算法的公式我不太能完全理解，但这本书对于这些算法和策略的描述已经非常通俗了，非常推荐给初学者。 在对深度学习有一定了解以后，我越发感觉深度学习可能并不是AGI的最终解，与之相比，强化学习的思路更像是人类在进行学习，这种思路对我而言是非常讲得通的。AGI最终很可能是很多种技术的结合，而强化学习一定是其中重要的一环。

本身为了巩固强化学习的知识而进行的阅读，整部书籍对于强化学习的逻辑梳理还算可以，毕竟是白话，对于想要了解强化学习知识的有一定的帮助，但是描述还是晦涩难懂，适合已知一些强化学习基础知识的才能读懂！从这本书还是收获了不少关于强化学习领域的知识的，有些知识还是非常重要的！

这本书阅读门槛有点高，指望看这本书入门，就直接放弃吧。本来就懂的人，看这本书，能看懂。不懂的人，看这本书，会更加看不懂。阅读过程很痛苦。

书是推荐的，会详细讲解公式，给人的感觉像是老师的上课录音一样，虽然有些地方比较唠叨，但小白还是需要唠叨一点的书，缺点就是排版混乱，图表乱放，影响阅读体验，有条件还是推荐买本纸质书。也看过参考文献的第一本书，但看了三天就放弃了，感觉那一篇更适合大佬查漏补缺，公式详细但有些错误，图解也偏少，不是很适合小白理解。

文笔 和 专业知识  相得益彰。 专业知识哪里都有，文笔中肯幽默，让人醍醐灌顶的同时还能发人深思，辩证的思维，语气中肯都是增色不少！ 很好👌🏻

小白入门，对概念的理解还是有帮助的

内容如书名，对算法通过作者个人理解过程的方法进行介绍，细节还算充实，但是数学理论介绍几乎没有