边做边学深度强化学习 PyTorch程序设计实践
正版新书 新华官方库房直发 可开电子发票
￥ 43.47 6.3折 ￥ 69 全新
库存9件
作者(日)小川雄太郎
出版社机械工业出版社
ISBN9787111650140
出版时间2020-04
版次1
装帧平装
开本16开
纸张胶版纸
页数215页
定价69元
货号SC:9787111650140
上书时间2024-11-29
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
Pytorch是基于python且具备强大GPU加速的张量和动态神经网络，更是Python中优先的深度学习框架，它使用强大的GPU能力，提供优选的灵活性和速度。本书指导读者以Pytorch为工具在Python中学习深层强化学习(DQN)。主要内容包括：强化学习概述及分类、强化学习的算法和实施方法、在Pytorch中实施深度规划与实现。“实施深层强化学习DQN”、理解并实施新的深层强化学习方法（Double-DQN、Dueling Network、Prioritized Experience Replay、A3C、A2C）。
目录:
译者序
前言
第1章 强化学习概述1
1.1 机器学习的分类（监督学习、非监督学习、强化学习）1
1.2 强化学习、深度强化学习的历史6
1.3 深度强化学习的应用实例11
参考文献14
第2章 在走迷宫任务中实现强化学习16
2.1 Try Jupyter的使用方法16
2.2 迷宫和智能体的实现23
2.3 策略迭代法的实现31
2.4 价值迭代法的术语整理41
2.5 Sarsa的实现46
2.6 实现Q学习52
参考文献57
第3章 在倒立摆任务中实现强化学习59
3.1 在本地PC上准备强化学习的实现和执行环境59
3.2 倒立摆任务“CartPole”64
3.3 由多变量连续值表示的状态的表格表示69
3.4 Q学习的实现72
参考文献80
第4章 使用PyTorch实现深度学习81
4.1 神经网络和深度学习的历史81
4.2 深度学习的计算方法89
4.3 使用PyTorch实现MNIST手写数字分类任务94
参考文献107
第5章 深度强化学习DQN的实现108
5.1 深度强化学习DQN（深度Q网络）的说明108
5.2 实现DQN的四个要点111
5.3 实现DQN（上） 113
5.4 实现DQN（下） 123
参考文献127
第6章 实现深度强化学习的改进版128
6.1 深度强化学习算法发展图128
6.2 DDQN的实现132
6
...
— 没有更多了 —
以下为对购买帮助不大的评价