邊做邊學深度強化學習：PyTorch程序設計實踐

譯者序
前言
第1章　強化學習概述1
1.1　機器學習的分類（監(jiān)督學習、非監(jiān)督學習、強化學習）1
1.2　強化學習、深度強化學習的歷史6
1.3　深度強化學習的應用實例11
參考文獻14
第2章　在走迷宮任務中實現(xiàn)強化學習16
2.1　Try Jupyter的使用方法16
2.2　迷宮和智能體的實現(xiàn)23
2.3　策略迭代法的實現(xiàn)31
2.4　價值迭代法的術語整理41
2.5　Sarsa的實現(xiàn)46
2.6　實現(xiàn)Q學習52
參考文獻57
第3章　在倒立擺任務中實現(xiàn)強化學習59
3.1　在本地PC上準備強化學習的實現(xiàn)和執(zhí)行環(huán)境59
3.2　倒立擺任務“CartPole”64
3.3　由多變量連續(xù)值表示的狀態(tài)的表格表示69
3.4　Q學習的實現(xiàn)72
參考文獻80
第4章　使用PyTorch實現(xiàn)深度學習81
4.1　神經(jīng)網(wǎng)絡和深度學習的歷史81
4.2　深度學習的計算方法89
4.3　使用PyTorch實現(xiàn)MNIST手寫數(shù)字分類任務94
參考文獻107
第5章　深度強化學習DQN的實現(xiàn)108
5.1　深度強化學習DQN（深度Q網(wǎng)絡）的說明108
5.2　實現(xiàn)DQN的四個要點111
5.3　實現(xiàn)DQN（上） 113
5.4　實現(xiàn)DQN（下） 123
參考文獻127
第6章　實現(xiàn)深度強化學習的改進版128
6.1　深度強化學習算法發(fā)展圖128
6.2　DDQN的實現(xiàn)132
6.3　Dueling Network的實現(xiàn)141
6.4　優(yōu)先經(jīng)驗回放的實現(xiàn)145
6.5　A2C的實現(xiàn)157
參考文獻168
第7章　在AWS GPU環(huán)境中實現(xiàn)消磚塊游戲169
7.1　消磚塊游戲“Breakout”的描述169
7.2　準備在AWS上使用GPU所需要的深度學習執(zhí)行環(huán)境174
7.3　學習Breakout的四個關鍵思想187
7.4　A2C的實現(xiàn)（上） 193
7.5　A2C的實現(xiàn)（下） 203
參考文獻212
后記214