Pytorch深度学习

炎炎夏日，燥热难耐，不如学学深度学习冷静一下？

这里有一份干货教程，手把手带你入门深度强化学习（Deep Reiforcement Learning），背景理论、代码实现全都有，在线领取无需安装哟！

废话不多说，赶紧领取教程看看里头具体都有哪些宝藏知识吧～

步步深入RL

这份Pytorch强化学习教程一共有八章，从DQN（Deep Q-Learning）开始，步步深入，最后向你展示Rainbow到底是什么。

不仅有Jupyter Notebook，作者还在Colab上配置好了代码，无需安装，你就能直观地感受到算法的效果，甚至还可以直接在手机上进行学习！

1. DQN

DeepRL入门第一步，当先了解 DQN（Deep Q-Learning） 。这是DeepMind提出的一种算法，2015年登上Nuture。它首次将深度神经网络与强化学习进行了结合，实现了从感知到动作的端到端学习，在多种雅达利游戏当中达到了超人水平。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/01.dqn.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/01.dqn.ipynb#scrollTo=nEcnUNg8Sn3I

△ Colab在线训练

2. Double DQN

Double DQN（DDQN）是DQN的一种改进。在DDQN之前，基本所有的目标Q值都是通过贪婪法得到的，而这往往会造成过度估计（overestimations）的问题。DDQN将目标Q值的最大动作分解成动作选择和动作评估两步，有效解决了这个问题。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/02.double_q.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/02.double_q.ipynb

3.Prioritized Experience Replay

该算法的核心在于抽取经验池中过往经验样本时，引入了优先级的概念。也就是说，优先级的大小会影响样本被采样的概率。

采用这种方法，重要经验被回放的概率会增大，算法会更容易收敛，学习效率也就相应提高了。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/03.per.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/03.per.ipynb

4. Dueling Networks

Dueling DQN是通过优化神经网络的结构来优化算法的。Dueling Networks用两个子网络来分别估计状态值和每个动作的优势。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/04.dueling.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/04.dueling.ipynb

5. Noisy Network

NoisyNet通过学习网络权重的扰动来推动探索。其关键在于，对权重向量的单一更改可以在多个时间步骤中引发一致的，可能非常复杂的状态相关的策略更改。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/05.noisy_net.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/05.noisy_net.ipynb

6. Categorical DQN（C51）

Categorical DQN是一种采用分布视角来设计的算法，它建模的是状态-动作价值Q的分布，这样学习的结果会更加准确。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/06.categorical_dqn.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/06.categorical_dqn.ipynb

7. N-step Learning

DQN使用当前的即时奖励和下一时刻的价值估计作为目标价值，学习速度可能相对较慢。而使用前视多步骤目标实际上也是可行的。N-step Learning通过调整多步骤目标n来加快学习速度。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/07.n_step_learning.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/07.n_step_learning.ipynb

8. Rainbow

有了前七章的铺垫，现在你就能了解到Rainbow的真意了。

Rainbow 是结合了DQN多种扩展算法的一种新算法，在数据效率和最终性能方面，该方法表现出了惊人的效果。

然而，整合并非一件简单的事情，针对这一点，教程也做出了讨论。

Pytorch Jupyter Notebook： https://nbviewer.jupyter.org/github/Curt-Park/rainbow-is-all-you-need/blob/master/08.rainbow.ipynbColab： https://colab.research.google.com/github/Curt-Park/rainbow-is-all-you-need/blob/master/08.rainbow.ipynb#scrollTo=ougv5VEKX1d1

系统学习是个非常不错的选择，当然作者也说了，以上知识点，你也可以选择想学哪里点哪里。

学习小技巧

如果你想在本地运行这些代码，那么这里有些小技巧请拿好。

首先是运行环境：

$ conda create -n rainbow_is_all_you_need python=3.6.1

$ conda activate rainbow_is_all_you_need

进入安装环节，首先，克隆存储库：

git clone https://github.com/Curt-Park/rainbow-is-all-you-need.git

cd rainbow-is-all-you-need

其次，安装执行代码所需的包，这很简单：

make dep

那么，快开始学习吧～