rainbow is all you need

Você quer um agente de RL se movendo bem no Atari?

Rainbow é tudo que você precisa!

Este é um tutorial passo a passo do DQN a Rainbow. Cada capítulo contém antecedentes teóricos e implementação orientada a objetos. Basta escolher qualquer tópico em que você esteja interessado e aprenda! Você pode executá -los imediatamente com o Colab, mesmo no seu smartphone.

Sinta-se à vontade para abrir um problema ou uma solicitação de tração, se tiver alguma idéia para melhorá-lo. :)

Se você deseja um tutorial para métodos de gradiente de políticas, consulte PG é tudo o que você precisa.

Conteúdo

1. DQN [NBVIEWER] [COLAB]
2. Doubledqn [NBViewer] [colab]
3. PriorizedExPeriencereplay [NBViewer] [colab]
4. DuelingNet [NBViewer] [Colab]
5. Noisynet [NBViewer] [colab]
6. Categoricaldqn [nbViewer] [colab]
7. N-Stepearning [NBViewer] [Colab]
8. Rainbow [NBViewer] [Colab]

Pré -requisitos

Este repositório é testado com Python 3.8+

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

Como correr

 jupyter lab

Artigos relacionados

1. V. Mnih et al., "Controle no nível humano através do aprendizado de reforço profundo". Nature, 518 (7540): 529-533, 2015.
2. Van Hasselt et al., "Aprendizagem de reforço profundo com duplo q-learning". Arxiv pré -impressão Arxiv: 1509.06461, 2015.
3. T. Schaul et al., "Experiência priorizada Replay". Arxiv pré -impressão Arxiv: 1511.05952, 2015.
4. Z. Wang et al., "Duelando arquiteturas de rede para aprendizado de reforço profundo". Arxiv pré -impressão Arxiv: 1511.06581, 2015.
5. M. Fortunato et al., "Redes barulhentas para exploração". Arxiv pré -impressão Arxiv: 1706.10295, 2017.
6. MG Bellemare et al., "Uma perspectiva distributiva sobre o aprendizado de reforço". Arxiv pré -impressão Arxiv: 1707.06887, 2017.
7. RS Sutton, "Aprendendo a prever pelos métodos de diferenças temporais". Machine Learning, 3 (1): 9–44, 1988.
8. M. Hessel et al., "Rainbow: Combinando melhorias no aprendizado de reforço profundo". Arxiv pré -impressão Arxiv: 1710.02298, 2017.

Colaboradores

Obrigado a essas pessoas maravilhosas (key emoji):

Jinwoo Park (Curt)	Kyunghwan Kim	Wei Chen ?	Wang Lei ?	Leeyaf	Ahmadf	Roberto Schiavone
David Yuan	dhanushka2001

Este projeto segue a especificação de todos os contribuintes. Contribuições de qualquer tipo de boas -vindas!