深度强化学习课程

单元 0. 欢迎来到本课程

单元 1. 深度强化学习介绍

奖励单元 1. Huggy 深度强化学习介绍

直播 1. 课程如何进行，问答环节以及与 Huggy 互动

单元 2. Q-学习介绍

单元 3. 基于 Atari 游戏的深度 Q-学习

奖励单元 2. 使用 Optuna 进行自动超参数调优

单元 4. 基于 PyTorch 的策略梯度

单元 5. Unity ML-Agents 介绍

单元 6. 基于机器人环境的 Actor-Critic 方法

单元 7. 多智能体和 AI 对抗 AI 介绍

单元 8. 第 1 部分近端策略优化 (PPO)

单元 8. 第 2 部分基于 Doom 的近端策略优化 (PPO)

奖励单元 3. 强化学习中的高级主题

奖励单元 5. 基于 Godot RL Agents 的模仿学习

认证与祝贺

加入 Hugging Face 社区

并获取增强的文档体验

在模型、数据集和 Spaces 上协作

通过加速推理获得更快的示例

切换文档主题

开始

结论

今天就到这里。恭喜完成本单元和教程！

最好的学习方式是实践和尝试。 为什么不改进实现以处理帧作为输入呢？.

在本单元的第二部分再见 🔥