深度强化学习实验室
官网:http://www.neurondance.com/
论坛:http://deeprl.neurondance.com/
编辑:DeepRL
核心贡献者:王琦、杨毅远、江季
关于本书
《Easy-RL》由开源组织 Datawhale 发起,由中科院王琦、清华大学杨毅远、北京大学江季三位组织成员主要负责。本书结合了李宏毅老师的《深度强化学习》、周博磊老师的《强化学习纲要》、李科浇老师的《百度强化学习》等多个强化学习的经典资料,并配有相关的习题、面经以及完全版的代码实战,适合想入门强化学习的小伙伴。
项目开源地址:
https://github.com/datawhalechina/easy-rl
2020 年 11 月 22 日,《Easy-RL》(原《李宏毅深度强化学习笔记》)在github中正式发布,截至今日,已收获1.7k个Star,并受到了广大学习者的一致好评,学习者纷纷表示通过这个教程收获颇多。编写者们也通过读者反馈的建议,对教程进行了实时地更新与补充。
![](https://i-blog.csdnimg.cn/blog_migrate/41afdb2632d74238f66ed46e01dcbb6a.jpeg)
本书细节
时隔半年,《Easy-RL》 在原有的基础上进行了充分地迭代和优化,不仅对发布时已有章节进行了完善和纠错,同时还补充了常见的面试题,当然,项目作者还给出了完全版的强化学习实战代码,方便大家深入学习。
1.教程案例
案例1: 对 Policy 概念的解析
![](https://i-blog.csdnimg.cn/blog_migrate/d6439c48d8ed95b49b2acb41a4a929a4.jpeg)
案例2: 利用简单的例子解释强化学习基本概念
![](https://i-blog.csdnimg.cn/blog_migrate/f4a59fb31cd240e6fa88134f73ce135d.jpeg)
案例3: AlphaStar 论文解读
![](https://i-blog.csdnimg.cn/blog_migrate/910853f27b5800be4247d05b156da153.jpeg)
2.教程习题
案例: RL的面试真题
![](https://i-blog.csdnimg.cn/blog_migrate/671220db629164a5ffbd421f61fc6ce6.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/57e90fcd19a81c757bf932d4f655b2ed.jpeg)
3.实践优化
首先是增加了一些更为高级且研究工程上常用的算法,比如TD3,Soft-Actor-Critic等等,新版所有算法实现如下表:
![](https://i-blog.csdnimg.cn/blog_migrate/4e0ff09193f37a80a078f25e39e03f7b.jpeg)
此外在每个算法目录下会有相关的算法实现说明:
![](https://i-blog.csdnimg.cn/blog_migrate/972f55dd9248c6b02df0a63b08c58657.jpeg)
并且代码将更加简洁,结构清晰,具体可以去github上细看,此外为了更好地呈现结果,增加了jupyter notebook来训练,可以在网页直接查看结果,同时也说明outputs文件夹下生成的结果是童叟无欺的,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/2775a82e5c46390e66fa9276fe901353.jpeg)
以上就是代码相关的主要优化,不止如此,今后除了修缮代码结构注释等等,还会增加各种各样的DQN比如rainbow-dqn等代码,以及各种算法对于同一环境的实现对比,敬请期待。
Easy-RL目录
![](https://i-blog.csdnimg.cn/blog_migrate/a0a6aa12fe87dc8cd5e3389beb333469.jpeg)
下载地址:https://pan.baidu.com/s/11DK568SHtzqz2QP2_6qKtw
提取码: rnxj
完
总结3: 《强化学习导论》代码/习题答案大全
总结6: 万字总结 || 强化学习之路
完
第106篇:奖励机制不合理:内卷,如何解决?
第105篇:FinRL: 一个量化金融自动交易RL库
第104篇:RPG: 通过奖励发现多智能体多样性策略
第103篇:解决MAPPO(Multi-Agent PPO)技巧
第102篇:82篇AAAI2021强化学习论文接收列表
第101篇:OpenAI科学家提出全新强化学习算法
第100篇:Alchemy: 元强化学习(meta-RL)基准环境
第98篇:全面总结(值函数与优势函数)的估计方法
第97篇:MuZero算法过程详细解读
第96篇: 值分布强化学习(Distributional RL)总结
第95篇:如何提高"强化学习算法模型"的泛化能力?
第94篇:多智能体强化学习《星际争霸II》研究
第93篇:MuZero在Atari基准上取得了新SOTA效果
第91篇:详解用TD3算法通关BipedalWalker环境
第88篇:分层强化学习(HRL)全面总结
第85篇:279页总结"基于模型的强化学习方法"
第84篇:阿里强化学习领域研究助理/实习生招聘
第83篇:180篇NIPS2020顶会强化学习论文
第81篇:《综述》多智能体强化学习算法理论研究
第80篇:强化学习《奖励函数设计》详细解读
第79篇: 诺亚方舟开源高性能强化学习库“刑天”
第77篇:深度强化学习工程师/研究员面试指南
第75篇:Distributional Soft Actor-Critic算法
第74篇:【中文公益公开课】RLChina2020
第73篇:Tensorflow2.0实现29种深度强化学习算法
第72篇:【万字长文】解决强化学习"稀疏奖励"
第71篇:【公开课】高级强化学习专题
第70篇:DeepMind发布"离线强化学习基准“
第66篇:分布式强化学习框架Acme,并行性加强
第65篇:DQN系列(3): 优先级经验回放(PER)
第64篇:UC Berkeley开源RAD来改进强化学习算法
第61篇:David Sliver 亲自讲解AlphaGo、Zero
第59篇:Agent57在所有经典Atari 游戏中吊打人类
第58篇:清华开源「天授」强化学习平台
第57篇:Google发布"强化学习"框架"SEED RL"
第53篇:TRPO/PPO提出者John Schulman谈科研
第52篇:《强化学习》可复现性和稳健性,如何解决?
第51篇:强化学习和最优控制的《十个关键点》
第50篇:微软全球深度强化学习开源项目开放申请
第49篇:DeepMind发布强化学习库 RLax
第48篇:AlphaStar过程详解笔记
第47篇:Exploration-Exploitation难题解决方法
第45篇:DQN系列(1): Double Q-learning
第44篇:科研界最全工具汇总
第42篇:深度强化学习入门到精通资料综述
第41篇:顶会征稿 || ICAPS2020: DeepRL
第40篇:实习生招聘 || 华为诺亚方舟实验室
第39篇:滴滴实习生|| 深度强化学习方向
第37篇:Call For Papers# IJCNN2020-DeepRL
第36篇:复现"深度强化学习"论文的经验之谈
第35篇:α-Rank算法之DeepMind及Huawei改进
第34篇:从Paper到Coding, DRL挑战34类游戏
第31篇:强化学习,路在何方?
第30篇:强化学习的三种范例
第29篇:框架ES-MAML:进化策略的元学习方法
第28篇:138页“策略优化”PPT--Pieter Abbeel
第27篇:迁移学习在强化学习中的应用及最新进展
第26篇:深入理解Hindsight Experience Replay
第25篇:10项【深度强化学习】赛事汇总
第24篇:DRL实验中到底需要多少个随机种子?
第23篇:142页"ICML会议"强化学习笔记
第22篇:通过深度强化学习实现通用量子控制
第21篇:《深度强化学习》面试题汇总
第20篇:《深度强化学习》招聘汇总(13家企业)
第19篇:解决反馈稀疏问题之HER原理与代码实现
第17篇:AI Paper | 几个实用工具推荐
第16篇:AI领域:如何做优秀研究并写高水平论文?
第15篇:DeepMind开源三大新框架!
第13篇:OpenSpiel(28种DRL环境+24种DRL算法)
第11篇:DRL在Unity自行车环境中配置与实践
第8篇:ReinforceJS库(动态展示DP、TD、DQN)
第5篇:深度强化学习在阿里巴巴的技术演进
第4篇:深度强化学习十大原则
第2篇:深度强化学习的加速方法
第1篇:深入浅出解读"多巴胺(Dopamine)论文"、环境配置和实例分析