rainbow is all you need ดาวน์โหลด - rainbow is all you need ดาวน์โหลดซอร์สโค้ดดาวน์โหลด

rainbow is all you need

หลาม

1.0.0

ดาวน์โหลด

คุณต้องการให้ตัวแทน RL ย้ายไปอาตาริอย่างดีหรือไม่?

รุ้งคือสิ่งที่คุณต้องการ!

นี่คือการสอนทีละขั้นตอนจาก DQN ถึง Rainbow ทุกบทมีทั้งภูมิหลังทางทฤษฎีและการใช้งานเชิงวัตถุ เพียงแค่เลือกหัวข้อใด ๆ ที่คุณสนใจและเรียนรู้! คุณสามารถดำเนินการได้ทันทีด้วย colab แม้ในสมาร์ทโฟนของคุณ

โปรดอย่าลังเลที่จะเปิดปัญหาหรือการขอร้องหากคุณมีความคิดที่จะทำให้ดีขึ้น -

หากคุณต้องการการสอนสำหรับวิธีการไล่ระดับสีนโยบายโปรดดู PG เป็นสิ่งที่คุณต้องการ

สารบัญ

DQN [NBViewer] [colab]
doubledqn [nbviewer] [colab]
PrioritizedExperienCeReplay [nbviewer] [colab]
DuelingNet [nbviewer] [colab]
Noisynet [nbviewer] [colab]
CategoricalDQN [NBViewer] [colab]
N-Stelearning [NbViewer] [colab]
Rainbow [NbViewer] [colab]

ข้อกำหนดเบื้องต้น

ที่เก็บนี้ได้รับการทดสอบด้วย Python 3.8+

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

วิธีการวิ่ง

 jupyter lab

เอกสารที่เกี่ยวข้อง

V. Mnih et al., "การควบคุมระดับมนุษย์ผ่านการเรียนรู้การเสริมแรงอย่างลึกซึ้ง" ธรรมชาติ, 518 (7540): 529–533, 2015
Van Hasselt et al., "การเรียนรู้การเสริมแรงอย่างลึกล้ำด้วยการเรียนรู้สองครั้ง" arxiv preprint arxiv: 1509.06461, 2015
T. Schaul et al., "Replay Experience Experience" arxiv preprint arxiv: 1511.05952, 2015
Z. Wang et al., "สถาปัตยกรรมเครือข่ายดวลเพื่อการเรียนรู้การเสริมแรงอย่างลึกซึ้ง" arxiv preprint arxiv: 1511.06581, 2015
M. Fortunato et al., "เครือข่ายที่มีเสียงดังสำหรับการสำรวจ" arxiv preprint arxiv: 1706.10295, 2017
MG Bellemare et al., "มุมมองการกระจายเกี่ยวกับการเรียนรู้การเสริมแรง" arxiv preprint arxiv: 1707.06887, 2017
RS Sutton "เรียนรู้ที่จะทำนายโดยวิธีการของความแตกต่างทางโลก" การเรียนรู้ของเครื่อง, 3 (1): 9–44, 1988
M. Hessel et al., "Rainbow: การรวมการปรับปรุงในการเรียนรู้การเสริมแรงอย่างลึกซึ้ง" arxiv preprint arxiv: 1710.02298, 2017

ผู้มีส่วนร่วม

ขอบคุณไปที่คนที่ยอดเยี่ยมเหล่านี้ (คีย์อีโมจิ):

_{Jinwoo Park (Curt)}	_{Kyunghwan Kim}	_{Wei Chen} -	_{วังเลย์} -	_leeyaf	_Ahmadf	_{Roberto Schiavone}
_{เดวิดหยวน}	_{Dhanushka2001}