使用Python中的OpenAI Gym进行深度Q-Learning的实践介绍

Introduction

我一直对游戏着迷。 看似无限的选择可以在紧迫的时间线下执行一个动作 - 这是一个惊心动魄的经历。 没有什么比得上它了。

因此，当我读到DeepMind想出的令人难以置信的算法（如AlphaGo和AlphaStar）时，我被迷住了。 我想学习如何在自己的机器上制作这些系统。 这使我进入深度强化学习的世界（Deep RL）。

即使您不参与游戏，Deep RL也很重要。 只需查看目前使用Deep RL进行研究的各种功能：

适合行业的应用程序呢？ 好吧，这里有两个最常被引用的Deep RL用例：

• 谷歌的Cloud AutoML
• Facebook的Horizon Platform

Deep RL的范围是IMMENSE。 这是进入这一领域并从中创造事业的好时机。

在本文中，我的目标是帮助您迈出深度强化学习的第一步。 我们将使用RL中最流行的算法之一深度Q学习来了解RL的深度。 锦上添花？ 我们将使用Python在一个很棒的案例研究中实现我们所有的学习。

Table of