返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 深度强化学习实战 用OpenAI Gym构建智能体
  • 新华书店旗下自营,正版全新
    • 作者: (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著著 | (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著编 | (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著译 | (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著绘
    • 出版社: 人民邮电出版社
    • 出版时间:2023-06
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著著| (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著编| (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著译| (印)普拉文·巴拉尼沙米(Praveen Palanisamy)著绘
    • 出版社:人民邮电出版社
    • 出版时间:2023-06
    • 版次:1
    • 印次:1
    • 字数:224000
    • 页数:188
    • 开本:16开
    • ISBN:9787115561596
    • 版权提供:人民邮电出版社
    • 作者:(印)普拉文·巴拉尼沙米(Praveen Palanisamy)著
    • 著:(印)普拉文·巴拉尼沙米(Praveen Palanisamy)著
    • 装帧:平装
    • 印次:1
    • 定价:69.80
    • ISBN:9787115561596
    • 出版社:人民邮电出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-06
    • 页数:188
    • 外部编号:12807142
    • 版次:1
    • 成品尺寸:暂无

    第1章智能体与学习环境入门1

    1.1智能体简介1

    1.2学习环境2

    1.3OpenAIGym简介3

    1.4理解OpenAIGym的主要特性8

    1.4.1简单的环境接口8

    1.4.2可比较与可复现8

    1.4.3进程可监控9

    1.5OpenAIGym工具包的作用9

    1.6创建第一个OpenAIGym环境9

    1.7小结11

    第2章强化学习和深度强化学习12

    2.1强化学习简介12

    2.2直观理解人工智能的含义和内容13

    2.2.1监督学习13

    2.2.2非监督学习14

    2.2.3强化学习14

    2.3强化学习实战14

    2.3.1智能体15

    2.3.2奖励15

    2.3.3环境15

    2.3.4状态16

    2.3.5模型17

    2.3.6值函数17

    2.3.7策略18

    2.4马尔可夫决策过程18

    2.5动态规划19

    2.6蒙特卡洛学习和时序差分学习19

    2.7SARSA和Q-Learning20

    2.8深度强化学习21

    2.9强化学习和深度强化学习算法的实践应用22

    2.10小结23

    第3章开启OpenAIGym和深度强化学习之旅24

    3.1代码库、设置和配置24

    3.1.1先决条件25

    3.1.2创建conda环境26

    3.1.3最小化安装——快捷简便的方法27

    3.1.4完整安装OpenAIGym学习环境28

    3.2安装深度强化学习所需的工具和库32

    3.2.1安装推荐的系统软件包32

    3.2.2安装CUDA33

    3.2.3安装PyTorch34

    3.3小结35

    第4章探索Gym及其功能36

    4.1探索环境列表和术语36

    4.1.1术语37

    4.1.2探索Gym环境38

    4.2理解Gym接口40

    4.3Gym中的空间43

    4.4小结47

    第5章实现第一个智能体——解决过山车问题48

    5.1了解过山车问题48

    5.2从零开始实现Q-Learning智能体50

    5.2.1Q-Learning回顾53

    5.2.2使用Python和NumPy实现Q-Learning智能体53

    5.3在Gym中训练强化学习智能体58

    5.4测试并记录智能体的性能58

    5.5一个简单且完整的Q-Learner实现——过山车问题的解决方案59

    5.6小结63

    第6章用深度Q-Learning实现很优化控制智能体64

    6.1优化Q-Learning智能体65

    6.1.1用神经网络近似Q函数65

    6.1.2经验回放71

    6.1.3重温ε-贪婪动作策略74

    6.2实现一个深度Q-Learning智能体76

    6.2.1用PyTorch实现一个深度卷积Q网络77

    6.2.2使用目标Q网络稳定智能体的学习78

    6.2.3记录和可视化智能体的学习过程79

    6.2.4管理超参数和配置参数81

    6.2.5用完整的深度Q-Learner处理输入为原始像素的复杂问题83

    6.3AtariGym环境89

    6.4训练深度Q-Learner玩Atari游戏98

    6.4.1整合一个完整的深度Q-Learner98

    6.4.2超参数101

    6.4.3启动训练过程102

    6.4.4在Atari游戏中测试深度Q-Learner的性能103

    6.5小结104

    第7章创建自定义OpenAIGym环境——CARLA105

    7.1理解Gym环境结构105

    7.1.1为自定义Gym环境实现创建模板106

    7.1.2在OpenAIGym环境中注册自定义环境108

    7.2创建与OpenAIGym兼容的CARLA环境108

    7.2.1配置和初始化110

    7.2.2实现reset方法111

    7.2.3为CARLA环境实现step函数115

    7.2.4测试CARLAGym环境120

    7.3小结122

    第8章用深度演员-评论家算法实现无人驾驶智能体123

    8.1深度n步优势演员-评论家算法123

    8.1.1策略梯度124

    8.1.2演员-评论家算法126

    8.1.3优势演员-评论家算法127

    8.1.4n步优势演员-评论家算法129

    8.1.5深度n步优势演员-评论家算法132

    8.2实现深度n步优势演员-评论家智能体133

    8.2.1初始化演员和评论家网络133

    8.2.2用当前策略获取n步经验137

    8.2.3计算演员和评论家的损失137

    8.2.4更新演员-评论家模型139

    8.2.5用于保存/加载、记录、可视化和监视的工具139

    8.2.6扩展——异步深度n步优势演员-评论家139

    8.3训练一个“聪明”的自动驾驶智能体140

    8.3.1训练和测试深度n步优势演员-评论家智能体140

    8.3.2训练智能体在CARLA中驾驶车辆143

    8.4小结144

    第9章探索学习环境全景——Roboschool、GymRetro、StarCraft-Ⅱ和DeepMindLab145

    9.1Gym接口兼容的环境146

    9.1.1Roboschool146

    9.1.2GymRetro150

    9.2其他基于Python的开源学习环境153

    9.2.1星际争霸Ⅱ—PySC2153

    9.2.2DeepMindLab156

    9.3小结160

    第10章探索学习算法世界——DDPG(演员-评论家)、PPO(策略梯度)、Rainbow(基于值)161

    10.1深度确定性策略梯度162

    10.2近端策略优化163

    10.3Rainbow165

    10.3.1核心概念165

    10.3.2优点及应用简要总结169

    10.4小结170

    普拉文·巴拉尼沙米(Praveen Palanisamy)专注于研究自主智能系统。他是通用汽车研发部门的 AI(人工智能)研究员,主要负责针对自动驾驶开发基于深度强化学习的规划和决策算法。在此之前,他在卡内基-梅隆大学机器人所从事自动导航的研究(包括可移动机器人的感知与智能),曾从零开始研发一个完整的、自动的机器人系统。

    这是一本介绍用OpenAI Gym构建智能体的实战指南。全书先简要介绍智能体和学习环境的一些入门知识,概述强化学习和深度强化学习的基本概念和知识点,然后重点介绍OpenAI Gym的相关内容,随后在具体的Gym环境中运用强化学习算法构建智能体。本书还探讨了这些算法在游戏、自动驾驶领域的应用。

    本书适合想用OpenAIGym构建智能体的读者阅读,也适合对强化学习和深度强化学习感兴趣的读者参考。读者应具备一定的Python编程基础。

    一本介绍在OpenAI Gym环节中构建智能体的实战指南! 只需要专注算法的优化,无需浪费时间去搭建环境! ·从零起步,内容通俗易懂,轻松学习OpenAI Gym的用法 ·运用强化学习/深度强化学习算法构建智能体,不用浪费时间去搭建环境! ·案例应用侧重于游戏、自动驾驶领域,帮你解决基于智能体的领域问题! ·基于Python编程语言,讲解基本概念和应用知识,操作易上手!


    这是一本介绍用 OpenAI Gym 构建智能体的实战指南。全书先简要介绍智能体和学习环境的一些入门知识,概述强化学习和深度强化学习的基本概念和知识点,然后重点介绍 OpenAI Gym 的相关内容,随后在具体的 Gym 环境中运用强化学习算法构建智能体。本书还探讨了这些算法在游戏、自动驾驶领域的应用。
    本书适合想用 OpenAI Gym 构建智能体的读者阅读,也适合对强化学习和深度强化学习感兴趣的读者参考。读者应具备一定的 Python 编程基础。


    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购