TensorFlow 强化学习教程

• RL 和深度 Q 网络简介
  • 简介
  • Cartpole 环境
  • DQN 代理
    • Q-Learning
    • 深度 Q-Learning
    • 经验回放
  • TF-Agents 中基于 Cartpole 的 DQN
• Copyright 2023 The TF-Agents Authors.
• Checkpointer 和 PolicySaver
  • 简介
  • 设置
  • DQN 代理
    • 超参数
    • 环境
    • 代理
    • 数据收集
    • 训练代理
    • 视频生成
    • 生成视频
  • 设置 Checkpointer 和 PolicySaver
    • Checkpointer
    • PolicySaver
    • 训练一个迭代
    • 保存到检查点
    • 恢复检查点
  • 导出和导入
  • SavedModelPyTFEagerPolicy
  • 将策略转换为 TFLite
    • 在 TFLite 模型上运行推断
• 使用 TF-Agents 训练深度 Q 网络
  • 简介
  • 设置
  • 超参数
  • 环境
  • 代理
  • 策略
  • 指标和评估
  • 回放缓冲区
  • 数据收集
  • 训练代理
  • 可视化
    • 绘图
    • 视频
• Copyright 2023 The TF-Agents Authors.
• 环境
  • 简介
  • 设置
  • Python 环境
    • 使用标准环境
    • 创建自己的 Python 环境
    • 环境包装器
      • 示例 1：操作离散化包装器
  • TensorFlow 环境
    • 创建自己的 TensorFlow 环境
    • 将 Python 环境包装为 TensorFlow 环境
    • 用法示例
      • 简单示例
      • 整个片段
• Copyright 2023 The TF-Agents Authors.
• 策略
  • 简介
  • 设置
  • Python 策略
    • 示例 1：随机 Python 策略
    • 示例 2：脚本化 Python 策略
  • TensorFlow 策略
    • 示例 1：随机 TF 策略
    • 示例 2：参与者策略
      • 使用操作网络
      • 使用操作分布网络
    • 示例 3：Q 策略
  • 策略包装器
    • 示例：贪心策略
• Copyright 2023 The TF-Agents Authors.
• 驱动程序
  • 简介
  • 设置
  • Python 驱动程序
  • TensorFlow 驱动程序
• Copyright 2023 The TF-Agents Authors.
• 回放缓冲区
  • 简介
  • 设置
  • 回放缓冲区 API
  • TFUniformReplayBuffer
    • 创建缓冲区：
    • 写入缓冲区：
    • 从缓冲区读取
  • PyUniformReplayBuffer
  • 在训练过程中使用回放缓冲区
    • 数据收集
    • 读取用于训练步骤的数据
• Copyright 2023 The TF-Agents Authors.
• REINFORCE 代理
  • 简介
  • 设置
  • 超参数
  • 环境
  • 代理
  • 策略
  • 指标和评估
  • 回放缓冲区
  • 数据收集
  • 训练代理
  • 可视化
    • 绘图
    • 视频
• 具有 Actor-Learner API 的 SAC Minitaur
  • 简介
  • 设置
  • 超参数
  • 环境
  • 分布策略
    • 启用 GPU
    • 选择策略
  • 代理
  • 回放缓冲区
  • 策略
  • Actor
  • Learner
  • 指标和评估
  • 训练代理
  • 可视化
    • 绘图
    • 视频
• Copyright 2023 The TF-Agents Authors.
• 网络
  • 简介
  • 设置
  • 定义网络
    • Network API
    • 自定义网络
• Copyright 2023 The TF-Agents Authors.
• DQN C51/Rainbow
  • 简介
  • 设置
  • 超参数
  • 环境
  • 代理
  • 指标和评估
  • 数据收集
  • 训练代理
  • 可视化
    • 绘图
    • 视频
• Copyright 2023 The TF-Agents Authors.
• TF-Agents 中的多臂老虎机教程
  • 开始
  • 安装
  • 导入
• 简介
• 环境
  • 环境类的简单示例
  • TF 环境
• 策略
• 代理
  • 更加复杂的环境
  • 更加复杂的策略
  • 代理
• 轨迹
• 训练代理
• 真实上下文老虎机示例
  • 采用线性收益函数的平稳随机环境
  • LinUCB 代理
  • 后悔值指标
  • 训练
• 后续步骤
• Copyright 2023 The TF-Agents Authors.
• 多手柄老虎机简介
  • 仅保存权重值。通常在训练模型时使用。
  • 多臂老虎机和强化学习
  • 蘑菇环境
  • LinUCB 代理
  • 后续步骤
• Copyright 2023 The TF-Agents Authors.
• 具有按臂特征的多臂老虎机教程
  • 开始
  • 前提条件
  • 具有臂特征的多臂老虎机
  • TF-Agents 中的按臂老虎机
    • 安装
    • 导入
    • 参数 – 请随意调整
    • 简单的按臂环境
    • LinUCB 代理
    • 训练数据流
    • 定义后悔值指标
    • 后续步骤
• Copyright 2023 The TF-Agents Authors.
• TF-Agents 中的排名教程
  • 开始
  • 安装
• 简介
• 前提条件
• 排名问题及其变体
  • 向量反馈
• 与探索
• 模拟用户：我们的测试环境
• 后续步骤