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. 课程运作方式、问答以及与 Huggy 互动

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. 强化学习进阶主题

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

并获得增强的文档体验

协作处理模型、数据集和 Spaces

通过加速推理获得更快的示例

切换文档主题

开始

结论：

恭喜您完成本奖励单元！ 您已经学习了记录专家演示以及使用 IL 训练智能体的过程，在某些情况下，这可以替代使用 RL 训练游戏内智能体。

本教程由 Ivan Dodic 编写。感谢 Edward Beeching 和 Thomas Simonini 的审阅和反馈。