深度强化学习实践(原书第2版)
正版新书 新华官方库房直发 可开电子发票
￥ 98.34 6.6折 ￥ 149 全新
库存8件
作者(俄罗斯)马克西姆·拉潘
出版社机械工业出版社
ISBN9787111687382
出版时间2021-08
版次1
装帧平装
开本16开
纸张胶版纸
页数636页
定价149元
货号SC:9787111687382
上书时间2024-06-27
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
主编推荐:
本书包括新的强化学习工具和技术，介绍了强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。 本书较上一版新增6章，专门介绍了强化学习的新发展，包括离散优化（解决魔方问题）、多智能体方法、Microsoft的TextWorld环境、高级探索技术等。学完本书，你将对这个新兴领域的前沿技术有深刻的理解。 此外，你将获得对深度Q-network、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等领域的可行洞见，还将学会如何构建一个经过强化学习训练、价格低廉的真实硬件机器人，并通过逐步代码优化在短短30分钟的训练后解决Pong环境问题。 简而言之，本书将帮助你探索强化学习中令人兴奋的复杂主题，让你通过实例获得经验和知识。
内容简介:
本书理论与实践相结合，系统阐述强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。通过阅读本书，读者将获得深层Q网络、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等主题领域的可行洞见，还将学会如何构建一个经过强化学习训练、价格低廉的真实硬件机器人，并通过一步步代码优化在短短30分钟的训练后解决Pong环境。此外，本书还专门介绍了强化学习的新发展，包括离散优化（解决魔方问题）、多智能体方法、Microsoft的TextWorld环境、高级探索技术等。
目录:
译者序
前言
作者简介
审校者简介
第1章什么是强化学习
1．1机器学习分类
1．1．1监督学习
1．1．2非监督学习
1．1．3强化学习
1．2强化学习的复杂性
1．3强化学习的形式
1．3．1奖励
1．3．2智能体
1．3．3环境
1．3．4动作
1．3．5观察
1．4强化学习的理论基础
1．4．1马尔可夫决策过程
1．4．2策略
1．5总结
第2章OpenAIGym
2．1剖析智能体
2．2硬件和软件要求
2．30penAIGymAPI
2．3．1动作空间
2．3．2观察空间
2．3．3环境
2．3．4创建环境
2．3．5车摆系统
2．4随机CartPole智能体
2．5Gym的额外功能：包装器和监控器
2．5．1包装器
2．5．2监控器
2．6总结
第3章使用PyTorch进行深度学习
3．1张量
3．1．1创建张量
3．1．2零维张量
3．1．3张量操作
3．1．4GPU张量
3．2梯度
3．3NN构建块
3．4自定义层
3．5最终黏合剂：损失函数和优化器
3．5．1损失函数
3．5．2优化器
3．6使用TensorBoard进行监控
3．6．1TensorBOard101
3．6．2绘图
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价