文
章
目
录
章
目
录
《白话强化学习与PyTorch》以通俗易懂的语言和漫画辅助，结合PyTorch框架，为读者打造了一条轻松入门强化学习的路径。感兴趣的读者可下载该书籍的电子版。
书籍基本信息
本书由高扬、叶振斌著，2019年9月由电子工业出版社出版，博文视点出品，属于“博文视点AI系列”。全书共384页，定价99元，ISBN为9787121367472，豆瓣评分7.4分。书中摒弃高深数学推导，通过实例与代码演示，适合对深度学习感兴趣的技术人员及行业初学者阅读。
内容简介
全书以“理论铺垫—算法解析—实战应用”为脉络，系统讲解强化学习与PyTorch的结合应用：
- 基础理论篇：第1-5章从人工智能定义切入，介绍强化学习核心概念（策略、马尔可夫决策过程、动态规划、蒙特卡罗法、时间差分等），对比Model-Based与Model-Free方法，为后续学习奠定理论基础。
- 深度学习与框架篇：第6章详解PyTorch基础，涵盖神经元模型、线性回归、激活函数、神经网络结构（全连接/卷积/循环网络）及训练技巧（梯度下降、正则化等），结合手写数字识别案例演示框架实操。
- 算法实战篇：第7-14章聚焦主流强化学习算法，包括DQN算法族（DQN/DDQN/Dueling DQN）、策略梯度（PG）、Actor-Critic、A3C等，结合Gym实验环境与Atari游戏案例（如Cartpole、Lunar Lander），演示算法实现与调优。第14章深入AlphaGo/AlphaGo Zero技术原理，解析强化学习在围棋领域的突破性应用。
- 扩展与工具篇：第13章介绍SerpentAI工具开发流程，第15章探讨TRPO、反向强化学习、模型压缩等前沿方向，拓宽技术视野。
作者简介
- 高扬：金山办公人工智能组技术负责人，曾任职于欢聚时代、金山软件，拥有多年海外工作经验，著有多部“白话系列”技术书籍，擅长将复杂理论通俗化。
- 叶振斌：网易游戏伏羲实验室高级工程师，专注强化学习算法研发，具备丰富的训练平台开发经验，在序列决策与游戏AI领域实践深厚。
章节目录
- 基础理论
- 第1-2章：强化学习核心概念、马尔可夫决策过程建模。
- 第3-5章：动态规划、蒙特卡罗法、时间差分算法（SARSA/Q-Learning）。
- 深度学习基础
- 第6章：PyTorch框架入门、神经网络结构与训练技巧。
- 强化学习算法
- 第7-12章：Gym环境应用、DQN系列算法、策略梯度、A3C、UNREAL、NEAT算法。
- 实战与前沿
- 第13-15章：SerpentAI工具实战、AlphaGo案例解析、模型压缩与反向强化学习。
《白话强化学习与PyTorch》以“漫画+代码+案例”的独特形式，降低技术门槛，助力读者快速掌握强化学习核心技术。如需系统学习强化学习与PyTorch的结合应用，欢迎下载该书籍的电子版，获取配套代码与案例资源。
资源下载
