13、深度学习应用：自动驾驶、游戏和超参数优化

最新推荐文章于 2026-01-10 22:31:34 发布

原创最新推荐文章于 2026-01-10 22:31:34 发布 · 16 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #自动驾驶 #行为克隆

深度学习实战精粹专栏收录该内容

16 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

深度学习应用：自动驾驶、游戏和超参数优化

1. 端到端学习实现自动驾驶

1.1 端到端学习简介

深度学习的魅力在于无需专注于特征工程，理想情况下，网络能自行学习重要和不重要的特征。行为克隆就是一个很好的例子，人类展示特定任务作为训练数据，智能体（深度学习模型）尝试复制该行为而无需指定具体步骤。在只有单个智能体的受保护环境中，智能体应学会在道路上驾驶。下面将展示如何实现一个深度学习模型，让智能体学会在赛道上驾驶汽车。

1.2 准备工作

使用 Udacity 的自动驾驶汽车模拟器，该模拟器基于 Unity，安装说明可在 GitHub 页面找到。

1.3 具体步骤

导入库 ：

import pandas as pd
import numpy as np
import cv2
import math
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Lambda
from keras.layers import Input, ELU
from keras.optimizers import SGD, Adam, RMSprop
from keras.utils import np_utils
from ker