rainbow is all you need

您是否希望RL代理很好地搬進Atari？

彩虹就是您所需要的！

這是從DQN到彩虹的逐步教程。每一章都包含理論背景和麵向對象的實現。只需選擇您感興趣的任何主題，然後學習！即使在智能手機上，您也可以立即使用Colab執行它們。

如果您有任何想法使它變得更好，請隨時打開問題或抽籤。 :)

如果您想要有關策略梯度方法的教程，請參閱PG就是您所需要的。

內容

1. DQN [NBViewer] [COLAB]
2. DoubleDQN [NBViewer] [COLAB]
3. PrioritizedExperienceReplay [NBViewer] [COLAB]
4. duelingnet [nbviewer] [colab]
5. noisynet [nbviewer] [colab]
6. 分類DQN [NBViewer] [COLAB]
7. n- steplearning [nbviewer] [colab]
8. 彩虹[NBViewer] [COLAB]

先決條件

該存儲庫用Python 3.8+測試

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

如何運行

 jupyter lab

相關論文

1. V. Mnih等人，“通過深厚的增強學習來控制人類水平的控制”。 Nature，518（7540）：529–533，2015。
2. Van Hasselt等人，“雙重Q學習的深度加固學習”。 Arxiv預印型ARXIV：1509.06461，2015。
3. T. Schaul等人，“優先的經驗重播”。 Arxiv預印型ARXIV：1511.05952，2015。
4. Z. Wang等人，“用於深入強化學習的決鬥網絡架構”。 Arxiv預印型ARXIV：1511.06581，2015。
5. M. Fortunato等人，“探索嘈雜的網絡”。 ARXIV預印型ARXIV：1706.10295，2017。
6. MG Bellemare等人，“關於強化學習的分佈觀點”。 Arxiv預印型ARXIV：1707.06887，2017。
7. RS Sutton，“學習通過時間差異的方法進行預測”。機器學習，3（1）：9-44，1988。
8. M. Hessel等人，“ Rainbow：結合了深度強化學習的改進”。 ARXIV預印型ARXIV：1710.02298，2017。

貢獻者

謝謝這些好人（表情符號鑰匙）：

金沃公園（Curt）	Kyunghwan Kim	Wei Chen ？	王雷 ？	Leeyaf	艾哈邁德	羅伯托·席森（Roberto Schiavone）
大衛元	Dhanushka2001

該項目遵循全企業規範。歡迎任何形式的貢獻！