Python深度強化學習：基於Chainer和OpenAI Gym

作品簡介

近年來，機器學習受到了人們的廣泛關注。本書面向普通大眾，指導讀者在Python（基於Chainer和OpenAI Gym）中實踐深度強化學習。讀者只需要具備一些基本的編程經驗即可讀懂書中內容，通過實現具體程式來掌握深度強化學習的相關知識。

本書內容：

介紹深度學習、強化學習和深度強化學習的基本知識。

通過多種實際對戰遊戲（如太空侵略者、吃豆人）來介紹算法，如ε-greedy算法。

使用Anaconda設定本地PC，在倒立擺和老鼠學習問題中實現深度強化學習。

使用Python實現MNIST手寫數字分類任務。

實現深度強化學習的基本算法DQN。

詳解繼DQN之後提出的新的深度強化學習技術（DDQN、PER-DQN、DDPG和A3C等）。

作品目錄

關於本書

作者簡介

譯者簡介

譯者序

前言

第1章引言

1.1　深度強化學習可以做什麼

1.2　本書的結構

1.3　框架：Chainer和ChainerRL

1.4　Python的運行檢查

1.5　Chainer的安裝

1.6　ChainerRL的安裝

1.7　模擬器：OpenAI Gym

專欄

第2章深度學習

2.1　什麼是深度學習

2.2　神經網路

2.3　基於Chainer的神經網路

2.3.1　Chainer與神經網路的對應

2.3.2　Chainer程式

2.3.3　參數設定

2.3.4　創建數據

2.3.5　定義神經網路

2.3.6　各種聲明

2.3.7　顯示訓練狀態

2.3.8　保存訓練狀態

2.3.9　執行訓練

2.4　與其他神經網路的對應

2.4.1　感知器

2.4.2　5層神經網路（深度學習）

2.4.3　計算輸入中的1的數量

2.5　基於深度神經網路的手寫數字識別

2.5.1　手寫數字的輸入格式

2.5.2　深度神經網路的結構

2.5.3　8×8的手寫數字數據

2.6　基於卷積神經網路的手寫數字識別

2.6.1　卷積

2.6.2　激活函式

2.6.3　池化

2.6.4　執行

2.7　一些技巧

2.7.1　讀取檔案數據

2.7.2　使用訓練模型

Python深度強化學習：基於Chainer和OpenAI Gym

基本介紹

作品簡介

作品目錄

熱門詞條