Asuzer的博客

两年前，伦敦的一家小公司DeepMind向Arxiv上传了他们的开创性论文“ Playing Atari with Deep Reinforcement Learning ”。在那篇文章中，他们演示了计算机是如何通过只观察屏幕像素，并在游戏得分增加时收到奖励这种学习模式去玩Atari 2600 视频游戏的。结果是显著的，因为每个游戏和每个游戏的目标是非常不同的，这些设计的游戏对人类而言也是不小的挑战

这里我们介绍的方式只是针对pip安装轮子版，并且博主是升级版本， 所以已经配置好了Cuda和cudnn，如果你没有配置过那么请先想办法 配置好再继续,或者你可以试试如下命令： $ sudo apt-get install libcupti-dev 这个是TF安装说明里说的，本人没试过。由于在国内直接用pip安装网速层次不齐，所以我们先更换pip源： 在 ~/.pip/pip.co

DQN 算法分析： 我们的环境是确定性的，所以为了简单起见，这里给出的所有方程也是确定性地制定的。 在强化学习文献中，他们也将对环境随机转换产生预估。我们的目标是训练一个策略来最大化回报Rt0=∑∞t=t0γt−t0rtR_{t_0} = \sum_{t=t_0}^{\infty} \gamma^{t - t_0} r_t, γ\gamma是折扣，是00到11之间的一个常数，用来保证和是收敛的。它