G - Helion

ebook

Autor: Maxim Lapan
Tytuł oryginału: Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition
Tłumaczenie: Jacek Janusz
ISBN: 978-83-283-8053-0
stron: 720, Format: ebook
Data wydania: 2022-06-01
Księgarnia: Helion

Cena książki: 81,95 zł (poprzednio: 146,34 zł)
Oszczędzasz: 44% (-64,39 zł)

Pobierz fragment książki » Osoby, które kupiły tę książkę, wybierały także »

Tagi: Uczenie maszynowe

Osoby które kupowały "G", wybierały także:

Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie 57,74 zł, (17,90 zł -69%)
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe 57,74 zł, (17,90 zł -69%)
Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych 179,00 zł, (71,60 zł -60%)
Konwolucyjne sieci neuronowe. Kurs video. Tensorflow i Keras w rozpoznawaniu obraz 149,00 zł, (59,60 zł -60%)
Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zł, (79,60 zł -60%)

Spis treści

Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II eBook -- spis treści

O autorze
O recenzentach
Wstęp
Rozdział 1. Czym jest uczenie przez wzmacnianie
Uczenie nadzorowane
Uczenie nienadzorowane
Uczenie przez wzmacnianie
Trudności związane z uczeniem przez wzmacnianie
Formalne podstawy uczenia przez wzmacnianie
Nagroda
Agent
Środowisko
Akcje
Obserwacje
Teoretyczne podstawy uczenia przez wzmacnianie
Procesy decyzyjne Markowa
Polityka
Podsumowanie
Rozdział 2. Zestaw narzędzi OpenAI Gym
Anatomia agenta
Wymagania sprzętowe i programowe
Interfejs API biblioteki OpenAI Gym
Przestrzeń akcji
Przestrzeń obserwacji
Środowisko
Tworzenie środowiska
Sesja CartPole
Losowy agent dla środowiska CartPole
Dodatkowa funkcjonalność biblioteki Gym - opakowania i monitory
Opakowania
Monitory
Podsumowanie
Rozdział 3. Uczenie głębokie przy użyciu biblioteki PyTorch
Tensory
Tworzenie tensorów
Tensory skalarne
Operacje na tensorach
Tensory GPU
Gradienty
Tensory a gradienty
Bloki konstrukcyjne sieci neuronowych
Warstwy definiowane przez użytkownika
Funkcje straty i optymalizatory
Funkcje straty
Optymalizatory
Monitorowanie za pomocą narzędzia TensorBoard
Podstawy obsługi narzędzia TensorBoard
Narzędzia do tworzenia wykresów
Przykład - użycie sieci GAN z obrazami Atari
Biblioteka PyTorch Ignite
Zasady działania biblioteki Ignite
Podsumowanie
Rozdział 4. Metoda entropii krzyżowej
Taksonomia metod uczenia przez wzmacnianie
Praktyczne wykorzystanie entropii krzyżowej
Użycie entropii krzyżowej w środowisku CartPole
Użycie metody entropii krzyżowej w środowisku FrozenLake
Teoretyczne podstawy metody entropii krzyżowej
Podsumowanie
Rozdział 5. Uczenie tabelaryczne i równanie Bellmana
Wartość, stan i optymalność
Równanie optymalności Bellmana
Wartość akcji
Metoda iteracji wartości
Wykorzystanie iteracji wartości w praktyce
Q-uczenie w środowisku FrozenLake
Podsumowanie
Rozdział 6. Głębokie sieci Q
Rozwiązywanie realnego problemu z wykorzystaniem metody iteracji wartości
Q-uczenie tabelaryczne
Głębokie Q-uczenie
Interakcja ze środowiskiem
Optymalizacja za pomocą stochastycznego spadku wzdłuż gradientu (SGD)
Korelacja pomiędzy krokami
Własność Markowa
Ostateczna wersja procedury trenowania dla głębokich sieci Q
Użycie głębokiej sieci Q w grze Pong
Opakowania
Model głębokiej sieci Q
Trenowanie
Uruchomienie programu i sprawdzenie jego wydajności
Użycie modelu
Rzeczy do przetestowania
Podsumowanie
Rozdział 7. Biblioteki wyższego poziomu uczenia przez wzmacnianie
Dlaczego potrzebujemy bibliotek uczenia przez wzmacnianie?
Biblioteka PTAN
Selektory akcji
Agent
Źródło doświadczeń
Bufory doświadczeń
Klasa TargetNet
Klasy upraszczające współpracę z biblioteką Ignite
Rozwiązanie problemu środowiska CartPole za pomocą biblioteki PTAN
Inne biblioteki związane z uczeniem przez wzmacnianie
Podsumowanie
Rozdział 8. Rozszerzenia sieci DQN
Podstawowa, głęboka sieć Q
Wspólna biblioteka
Implementacja
Wyniki
Głęboka sieć Q o n krokach
Implementacja
Wyniki
Podwójna sieć DQN
Implementacja
Wyniki
Sieci zakłócone
Implementacja
Wyniki
Bufor priorytetowy
Implementacja
Wyniki
Rywalizujące sieci DQN
Implementacja
Wyniki
Kategoryczne sieci DQN
Implementacja
Wyniki
Połączenie wszystkich metod
Wyniki
Podsumowanie
Bibliografia
Rozdział 9. Sposoby przyspieszania metod uczenia przez wzmacnianie
Dlaczego prędkość ma znaczenie?
Model podstawowy
Wykres obliczeniowy w bibliotece PyTorch
Różne środowiska
Granie i trenowanie w oddzielnych procesach
Dostrajanie opakowań
Podsumowanie testów
Rozwiązanie ekstremalne: CuLE
Podsumowanie
Bibliografia
Rozdział 10. Inwestowanie na giełdzie za pomocą metod uczenia przez wzmacnianie
Handel
Dane
Określenie problemu i podjęcie kluczowych decyzji
Środowisko symulujące giełdę
Modele
Kod treningowy
Wyniki
Model ze sprzężeniem wyprzedzającym
Model konwolucyjny
Rzeczy do przetestowania
Podsumowanie
Rozdział 11. Alternatywa - gradienty polityki
Wartości i polityka
Dlaczego polityka?
Reprezentacja polityki
Gradienty polityki
Metoda REINFORCE
Przykład środowiska CartPole
Wyniki
Porównanie metod opartych na polityce z metodami opartymi na wartościach
Ograniczenia metody REINFORCE
Wymagane jest ukończenie epizodu
Wariancja dużych gradientów
Eksploracja
Korelacja danych
Zastosowanie metody gradientu polityki w środowisku CartPole
Implementacja
Wyniki
Zastosowanie metody gradientu polityki w środowisku Pong
Implementacja
Wyniki
Podsumowanie
Rozdział 12. Metoda aktor-krytyk
Zmniejszenie poziomu wariancji
Wariancja w środowisku CartPole
Aktor-krytyk
Użycie metody A2C w środowisku Pong
Wyniki użycia metody A2C w środowisku Pong
Dostrajanie hiperparametrów
Podsumowanie
Rozdział 13. Asynchroniczna wersja metody aktor-krytyk
Korelacja i wydajność próbkowania
Zrównoleglenie metody A2C
Przetwarzanie wieloprocesorowe w języku Python
Algorytm A3C wykorzystujący zrównoleglenie na poziomie danych
Implementacja
Wyniki
Algorytm A3C wykorzystujący zrównoleglenie na poziomie gradientów
Implementacja
Wyniki
Podsumowanie
Rozdział 14. Trenowanie chatbotów z wykorzystaniem uczenia przez wzmacnianie
Czym są chatboty?
Trenowanie chatbotów
Podstawy głębokiego przetwarzania języka naturalnego
Rekurencyjne sieci neuronowe
Osadzanie słów
Architektura koder-dekoder
Trenowanie modelu koder-dekoder
Trenowanie z wykorzystaniem logarytmu prawdopodobieństwa
Algorytm "Bilingual Evaluation Understudy" (BLEU)
Zastosowanie uczenia przez wzmacnianie w modelu koder-dekoder
Krytyczna analiza trenowania sekwencji
Projekt chatbota
Przykładowa struktura
Moduły cornell.py i data.py
Wskaźnik BLEU i moduł utils.py
Model
Eksploracja zbioru danych
Trenowanie - entropia krzyżowa
Implementacja
Wyniki
Trenowanie - metoda SCST
Implementacja
Wyniki
Przetestowanie modeli przy użyciu danych
Bot dla komunikatora Telegram
Podsumowanie
Rozdział 15. Środowisko TextWorld
Fikcja interaktywna
Środowisko
Instalacja
Generowanie gry
Przestrzenie obserwacji i akcji
Dodatkowe informacje o grze
Podstawowa sieć DQN
Wstępne przetwarzanie obserwacji
Osadzenia i kodery
Model DQN i agent
Kod treningowy
Wyniki trenowania
Model generujący polecenia
Implementacja
Wyniki uzyskane po wstępnym trenowaniu
Kod treningowy sieci DQN
Wyniki uzyskane po trenowaniu sieci DQN
Podsumowanie
Rozdział 16. Nawigacja w sieci
Nawigacja w sieci
Automatyzacja działań w przeglądarce i uczenie przez wzmacnianie
Test porównawczy MiniWoB
OpenAI Universe
Instalacja
Akcje i obserwacje
Tworzenie środowiska
Stabilność systemu MiniWoB
Proste klikanie
Akcje związane z siatką
Przegląd rozwiązania
Model
Kod treningowy
Uruchamianie kontenerów
Proces trenowania
Testowanie wyuczonej polityki
Problemy występujące podczas prostego klikania
Obserwacje ludzkich działań
Zapisywanie działań
Format zapisywanych danych
Trenowanie z wykorzystaniem obserwacji działań
Wyniki
Gra w kółko i krzyżyk
Dodawanie opisów tekstowych
Implementacja
Wyniki
Rzeczy do przetestowania
Podsumowanie
Rozdział 17. Ciągła przestrzeń akcji
Dlaczego jest potrzebna ciągła przestrzeń akcji?
Przestrzeń akcji
Środowiska
Metoda A2C
Implementacja
Wyniki
Użycie modeli i zapisywanie plików wideo
Deterministyczne gradienty polityki
Eksploracja
Implementacja
Wyniki
Nagrywanie plików wideo
Dystrybucyjne gradienty polityki
Architektura
Implementacja
Wyniki
Nagrania wideo
Rzeczy do przetestowania
Podsumowanie
Rozdział 18. Metody uczenia przez wzmacnianie w robotyce
Roboty i robotyka
Złożoność robota
Przegląd sprzętu
Platforma
Sensory
Siłowniki
Szkielet
Pierwszy cel trenowania
Emulator i model
Plik z definicją modelu
Klasa robota
Trenowanie zgodnie z algorytmem DDPG i uzyskane wyniki
Sterowanie sprzętem
MicroPython
Obsługa czujników
Sterowanie serwomechanizmami
Przenoszenie modelu do sprzętu
Połączenie wszystkiego w całość
Eksperymentowanie z polityką
Podsumowanie
Rozdział 19. Regiony zaufania - PPO, TRPO, ACKTR i SAC
Biblioteka Roboschool
Model bazowy A2C
Implementacja
Wyniki
Nagrywanie plików wideo
Algorytm PPO
Implementacja
Wyniki
Algorytm TRPO
Implementacja
Wyniki
Algorytm ACKTR
Implementacja
Wyniki
Algorytm SAC
Implementacja
Wyniki
Podsumowanie
Rozdział 20. Optymalizacja typu "czarna skrzynka" w przypadku uczenia przez wzmacnianie
Metody typu "czarna skrzynka"
Strategie ewolucyjne
Testowanie strategii ewolucyjnej w środowisku CartPole
Testowanie strategii ewolucyjnej w środowisku HalfCheetah
Algorytmy genetyczne
Testowanie algorytmu genetycznego w środowisku CartPole
Dostrajanie algorytmu genetycznego
Testowanie algorytmu genetycznego w środowisku HalfCheetah
Podsumowanie
Bibliografia
Rozdział 21. Zaawansowana eksploracja
Dlaczego eksploracja jest ważna?
Co złego jest w metodzie epsilonu zachłannego?
Alternatywne sposoby eksploracji
Sieci zakłócone
Metody oparte na liczebności
Metody oparte na prognozowaniu
Eksperymentowanie w środowisku MountainCar
Metoda DQN z wykorzystaniem strategii epsilonu zachłannego
Metoda DQN z wykorzystaniem sieci zakłóconych
Metoda DQN z licznikami stanów
Optymalizacja bliskiej polityki
Metoda PPO z wykorzystaniem sieci zakłóconych
Metoda PPO wykorzystująca eksplorację opartą na liczebności
Metoda PPO wykorzystująca destylację sieci
Eksperymentowanie ze środowiskami Atari
Metoda DQN z wykorzystaniem strategii epsilonu zachłannego
Klasyczna metoda PPO
Metoda PPO z wykorzystaniem destylacji sieci
Metoda PPO z wykorzystaniem sieci zakłóconych
Podsumowanie
Bibliografia
Rozdział 22. Alternatywa dla metody bezmodelowej - agent wspomagany wyobraźnią
Metody oparte na modelu
Porównanie metody opartej na modelu z metodą bezmodelową
Niedoskonałości modelu
Agent wspomagany wyobraźnią
Model środowiskowy
Polityka wdrożenia
Koder wdrożeń
Wyniki zaprezentowane w artykule
Użycie modelu I2A w grze Breakout
Podstawowy agent A2C
Trenowanie modelu środowiskowego
Agent wspomagany wyobraźnią
Wyniki eksperymentów
Agent podstawowy
Trenowanie wag modelu środowiskowego
Trenowanie przy użyciu modelu I2A
Podsumowanie
Bibliografia
Rozdział 23. AlphaGo Zero
Gry planszowe
Metoda AlphaGo Zero
Wprowadzenie
Przeszukiwanie drzewa metodą Monte Carlo (MCTS)
Granie modelu z samym sobą
Trenowanie i ocenianie
Bot dla gry Czwórki
Model gry
Implementacja algorytmu przeszukiwania drzewa metodą Monte Carlo (MCTS)
Model
Trenowanie
Testowanie i porównywanie
Wyniki uzyskane w grze Czwórki
Podsumowanie
Bibliografia
Rozdział 24. Użycie metod uczenia przez wzmacnianie w optymalizacji dyskretnej
Rola uczenia przez wzmacnianie
Kostka Rubika i optymalizacja kombinatoryczna
Optymalność i liczba boska
Sposoby układania kostki
Reprezentacja danych
Akcje
Stany
Proces trenowania
Architektura sieci neuronowej
Trenowanie
Aplikacja modelowa
Wyniki
Analiza kodu
Środowiska kostki
Trenowanie
Proces wyszukiwania
Wyniki eksperymentu
Kostka 2×2
Kostka 3×3
Dalsze usprawnienia i eksperymenty
Podsumowanie
Rozdział 25. Metoda wieloagentowa
Na czym polega działanie metody wieloagentowej?
Formy komunikacji
Użycie uczenia przez wzmacnianie
Środowisko MAgent
Instalacja
Przegląd rozwiązania
Środowisko losowe
Głęboka sieć Q obsługująca tygrysy
Trenowanie i wyniki
Współpraca między tygrysami
Trenowanie tygrysów i jeleni
Walka pomiędzy równorzędnymi aktorami
Podsumowanie