深度强化学习课程

单元 0. 欢迎来到课程

单元 1. 深度强化学习导论

奖励单元 1. Huggy 深度强化学习导论

直播 1. 课程如何运作，问答，以及与 Huggy 一起玩

单元 2. Q-Learning 导论

单元 3. 基于 Atari 游戏的深度 Q-Learning

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 导论

单元 6. 基于机器人环境的 Actor Critic 方法

单元 7. 多智能体和 AI vs AI 导论

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

认证和祝贺

加入 Hugging Face 社区

并获得增强的文档体验

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

开始使用

介绍

深度强化学习中最关键的任务之一是找到一组良好的训练超参数。

Optuna 是一个帮助您自动化搜索的库。在本单元中，我们将学习一些自动超参数调优背后的理论。我们将首先尝试手动优化上一个单元中研究的 DQN 的参数。然后，我们将学习如何使用 Optuna 自动化搜索。