Linux经典实例(第二版)

译者序2016 年，由Google DeepMind 开发的AlphaGo 在人机对弈中以4:1 击败了韩国围棋冠军李世石；稍远一些，1997 年IBM 的“深蓝”战胜了国际象棋大师卡斯帕罗夫。与之前不同的是，AlphaGo 的火爆让人们经常提及人工智能这一词汇。但值得注意的是，当谈到AlphaGo 的具体技术，人们常用“左右互搏”来表达“自己和自己下棋，训练的模型越来越强大”，渐渐的，有一些非专业技术人员使用“强化学习”来表达这一过程，这样的认识是非常片面的。简单地说，强化学习是为了训练智能体，将智能体与环境之间进行探索– 利用（exploration-exploitation）有机结合的算法，其常见模型是标准的马尔可夫决策过程（Markov Decision Process, MDP）。第d一步，在智能体与环境交互过程中，得到完整或非完整轨迹（轨迹是否完整对应于强化学习的不同算法：蒙特卡洛或者SARSA/Q-Learning）；第二步，使用各类可行算法训练智能体本身，然后返回第d一步继续迭代。当然，在具体强化学习算法中，如果模型是已知的，可以省略第d一步，直接使用动态规划方法。这将是第2 章和第3章的重点内容。我个人认为，充分理解SARSA/Q-Learning 算法是进入强化学习殿堂的过门石。多说一句，Richard Bellman 在1957 年提出的马尔可夫决策过程的动态规划算法，往往被学者认为是强化学习的发端。在当前硬件水平和项目需求的促进下，强化学习算法往往与深度学习相结合。因此，第4 章将经典强化学习算法与深度模型相结合，详细介绍DQN 算法，事实上，DQN 就是使用机器玩雅达利游戏时提出的，感兴趣的读者请参考Volodymyr Mnih 等于2013 年发表的“Playing Atari with Deep Reinforcement Learning”这篇经典论文。至于雅达利本身，对该公司生产的街机游戏的痴迷绝对是一个暴露年龄的话题，而它曾经吸引了包括乔布斯在内的多位计算机顶级程序员的加入，这里不再赘述。接下来，本书的第5~7 章介绍策略梯度方法（Policy Gradient，PG）以及由此衍生的AC、DPG、DDPG 等算法；在介绍信息熵、KL 散度、信赖域（Trust Regions）等概念后，引出ACKTR、Soft-AC、Soft-PG 等算法。强化学习绝非“纸上谈兵”，第8 章将介绍自动驾驶、无人机的实际案例，其中涉及对本书前序知识的使用，也涉及部分可观察马尔可夫决策过程（Partially Observable Markov Decision Process，POMDP）、单智能体去中心化学习（Decentralized Learning）等内容。掌握一种技术，初学者往往陷入“只见树木，不见森林”的境地，为了避免该现象，第9、10 章介绍了在实践中如何使用强化学习、如何让其在具体工作项目中真正发挥作用，甚至介绍了如何避免“踩坑”。对于强化学习的使用者，我建议应重点关注这几章，其内容是本书内容的升华和综合运用。我们深感自己水平有限，但认真通读全书发现，原书作者从事科研工作，也有自己的公司来实践，以认真、务实的态度完成了本书。我本人使用数据挖掘的手段从事矿产普查与探索的相关工作，同时在一些公司担任技术负责人，从事若干深度学习的具体项目。或许与作者身份的相似性，在翻译工作过程中能感受到作者对写书过程的认真和细致。我认为本书非常值得科研工作者和工程技术人员研读。本书的第二译者香港大学研究助理康俊鹏博士全程参与并形成了译稿，康博士在本书的翻译工作中花费了更多的精力。本书也得到了香港大学杨良河教授以及曹文明博士后的悉心指导。本书在翻译之初，我们将译文段落在微信群由多位大学老师帮忙指点，无法一一提及，再次深表感谢。期待读者能够从此书获益。译者

本书针对各种具体问题，提出解决方案，并详细解释了涉及到的技术原理，最z后还给出了参考资料以供深入学习。本书的主要内容有：学习使用全新的通用服务管理器systemd。利用firewalld构建简单或复杂的防火墙。保证Linux系统与移动设备间网络连接的安全。抢救无法引导的系统。重置Linux与Windows的用户密码。利用dnsmasq管理局域网名称服务。管理用户与组，控制文件的访问。探测计算机硬件，监控硬件健康。管理GRUB引导加载程序，设置Linux与Windows双启动。通过最z新的工具同步网络上所有系统的时间。在树莓派上构建互联网路由器与防火墙。管理文件系统与分区。