共计 869 个字符，预计需要花费 3 分钟才能阅读完成。
在过来的几年里，人工智能 (AI) 畛域获得了令人瞩目的停顿，从无人驾驶汽车到 ChatGPT，再诸如围棋 Algha Go 和象棋等棋类游戏中击败世界级选手。这些冲破背地的关键技术便是 深度强化学习 (Deep Reinforcement Learning, DRL)。
作为机器学习和人工智能钻研的前沿畛域，深度强化学习在许多畛域的利用前景宽泛，被认为是开启通用人工智能 (AGI) 的重要途径之一。
请大家追随本文，应用 收费的 CPU 机型 立刻开始你的深度强化学习之旅。
深度强化学习
深度强化学习 是强化学习 (Reinforcement Learning, RL) 和深度学习 (Deep Learning, DL) 两大畛域的穿插钻研。
强化学习 源于心理学和动物行为学，关注如何通过与环境的交互来学习最优策略。而 深度学习 则次要钻研如何利用神经网络模型对简单数据进行表征学习。
联合这两者的劣势，深度强化学习 具备了在高维、简单环境中进行决策与管制的能力，为解决理论问题提供了弱小的工具。
DRL Notebook
为了帮忙大家更好地学习和把握这一技术，咱们与张校捷老师将《深度强化学习算法与实际：基于 PyTorch 的实际》一书中的丰盛案例代码整顿到了云上的 Notebook 平台，让各位能够轻松上手深度强化学习！
在这个 Notebook 中，你将体验到:
- 无需配置简单环境，只需点击运行即可体验各种深度强化学习算法的实际案例。
- 具体的代码正文和解释，帮忙您更好地了解深度强化学习的原理和实现细节。
- 联合书籍内容，深刻理解强化学习的基本概念、原理和算法，晋升本人的技能程度。
从深度强化学习的基本概念登程到学习书中提及到的各种深度强化学习环境中经典模型，无论您是深度强化学习的初学者，还是有肯定根底的开发者，咱们置信这个 Notebook 都能为您带来便捷、高效的学习体验。
深度强化学习 Notebook 链接：https://nb.bohrium.dp.tech/detail/1289
感兴趣的同学也能够点击查看原文：https://mp.weixin.qq.com/s/dhvH3WwjUozDE3eHQ-8RCA
