google lab 深度学习_强化学习技术学习整理--资料篇

资料篇

课程

David Siver的公开课：

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html

第一自然是David Silver的公开课，有一定接受门槛，习惯就好了。认真看完可以建立强化学习的知识体系。视频有点早，2015年的，所以还需要看看别的课程。

《Reinforcement Learning: An Introduction》

经典教材，结合David Silver的公开课一起看。

https://zhuanlan.zhihu.com/reinforce

对应的知乎中文公开课的解释。

https://github.com/dennybritz/reinforcement-learning

公开课对应的源码实现，不得不说代码比算法流程容易理解多了，既可以用来理解算法，也可以自己修改试玩。

http://web.stanford.edu/class/cs234/index.html

斯坦福的CS234

http://rll.berkeley.edu/deeprlcourse/

伯克利的公开课CS294

http://videolectures.net/deeplearning2016_pineau_reinforcement_learning/

从david silver的视频相关内容里发现的，还不错，只是没有字幕。

https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/

莫烦python，感觉特别傻瓜式。

大牛和实验室的主页

http://www0.cs.ucl.ac.uk/staff/d.silver/web/Home.html

https://deepmind.com/research/publications/

https://people.eecs.berkeley.edu/~pabbeel/

http://bair.berkeley.edu/blog/?refresh=1

很值得一看的博客

https://cs.stanford.edu/people/karpathy/reinforcejs/index.html

https://qqiang00.github.io/reinforce/javascript/demo_iteration.html

做动态规划的小demo

https://zhuanlan.zhihu.com/ikerpeng

深度强化学习基础

https://www.leiphone.com/news/201705/uO8nd09EnR77NBRP.html

南京大学俞扬博士：强化学习前沿

http://www.algorithmdog.com/drl

强化学习基础理论的系列文章

https://zhuanlan.zhihu.com/p/21369441

深度增强学习暑期学校 PPT 详解

https://zhuanlan.zhihu.com/sharerl

强化学习知识大讲堂

https://blog.csdn.net/Uwr44UOuQcNsUQb60zk2/article/details/78556998

深度强化学习入门：用TensorFlow构建你的第一个游戏AI

https://www.zhihu.com/question/57159315/answer/164323983

强化学习中on-policy 与off-policy有什么区别？

https://blog.csdn.net/u013236946/article/details/73243310

深度强化学习——连续动作控制DDPG、NAF

NAF挺有意思

https://zhuanlan.zhihu.com/p/27388383

基本model free 算法.

https://ai.intel.com/demystifying-deep-reinforcement-learning/

Demystifying Deep Reinforcement Learning

http://pemami4911.github.io/blog/2016/08/21/ddpg-rl.html

DDPG很好的博客的实现

http://karpathy.github.io/2016/05/31/rl/

Deep Reinforcement Learning: Pong from Pixels

https://www.alexirpan.com/2018/02/14/rl-hard.html

Deep Reinforcement Learning Doesn't Work Yet

又名强化学习劝退文

Tutorials

https://icml.cc/Conferences/2017/Tutorials

https://icml.cc/Conferences/2016/index.html%3Fp=97.html

https://nips.cc/Conferences/2016/Schedule?type=Tutorial

https://nips.cc/Conferences/2017/Schedule?type=Tutorial

Github

https://github.com/yenchenlin/DeepLearningFlappyBird

FlappyBird的DQN实现，理解DQN很有帮助。

https://github.com/carpedm20/deep-rl-tensorflow

实现了不少论文的方法，不过有些还是in progress

https://github.com/ShangtongZhang/reinforcement-learning-an-introduction

经典教材《Reinforcement Learning: An Introduction》的分章节实现。

https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow

莫烦强化学习的代码，即全又简单。

https://github.com/rll/rllab

TRPO TNPG 感觉像是另一套理论了。

https://github.com/openai/baselines

openAi的baseline

https://github.com/floodsung/DDPG

DDPG不错的一个实现

https://github.com/yadrimz/option-critic

option-critic的实现，主要是用来理解算法思想。

https://github.com/reinforceio/tensorforce

TensorForce: A TensorFlow library for applied reinforcement learning

别人家的资料整理

https://github.com/aikorea/awesome-rl#lectures

https://github.com/tigerneil/awesome-deep-rl

https://zhuanlan.zhihu.com/p/34918639

AlphaGO（单独拿出来）

最好的解读是知乎上的问题：

https://www.zhihu.com/question/41176911

https://www.zhihu.com/question/66861459

看过的源码实现：

https://github.com/Rochester-NRT/RocAlphaGo

https://github.com/junxiaosong/AlphaZero_Gomoku

https://github.com/yhyu13/AlphaGOZero-python-tensorflow

开源库：

https://github.com/tensorforce/tensorforce

https://github.com/rll/rllab

https://github.com/deepmind/trfl

https://github.com/google/dopamine

https://github.com/openai/baselines

https://github.com/astooke/rlpyt

https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch