相关文章：
【一】飞桨paddle【GPU、CPU】安装以及环境配置 python入门教学
【二】-Parl基础命令
【三】-Notebook、&pdb、ipdb 调试
【四】-强化学习入门简介
【五】-Sarsa&Qlearing详细讲解
【六】-DQN
【七】-Policy Gradient
【八】-DDPG
【九】-四轴飞行器仿真
- 飞桨paddle遇到bug调试修正【迁移工具、版本兼容性】
- paddle DeBug 三步定位PARL飞桨报错原因，快速解决程序问题
一、AI Studio 项目详解【VisualDL工具】
二、AI Studio 项目详解【环境使用说明、脚本任务】
三、AI Studio 项目详解【分布式训练-单机多机】
四、AI Studio 项目详解【图形化任务】
五、AI Studio 项目详解【在线部署及预测】
1.强化学习基础介绍
1.1 强化学习与其他学习之间的关系：
- 强化学习、监督学习、非监督学习是机器学习里的三个不同的领域，都跟深度学习有交集。
- 监督学习寻找输入到输出之间的映射，比如分类和回归问题。
- 非监督学习主要寻找数据之间的隐藏关系，比如聚类问题。
- 强化学习则需要在与环境的交互中学习和寻找最佳决策方案。
- 监督学习处理认知问题，强化学习处理决策问题。
监督学习是认知：学习到这个是什么，【样本独立的】
强化学习是决策【样本之间有关系】
- 强化学习（英语：
Reinforcement learning，简称RL）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。 - 核心思想：智能体
agent在环境environment中学习，根据环境的状态state（或观测到的observation），执行动作action，并根据环境的反馈reward（奖励）来指导更好的动作。
注意：从环境中获取的状态，有时候叫state，有时候叫observation，这两个其实一个代表全局状态，一个代表局部观测值，在多智能体环境里会有差别，但我们刚开始学习遇到的环境还没有那么复杂，可以先把这两个概念划上等号。
1.2 强化学习两种方法：
- 强化学习通过不断的试错探索，吸取经验和教训，持续不断的优化策略，从环境中拿到更好的反馈。
- 强化学习有两种学习方案：基于价值(
value-based)、基于策略(policy-based)
大致分类：
1.3 gym&parl
交互环境常用Gym中：
一般控制场景分为:离散控制场景【上下左右有限个】、连续控制场景【0-360°角度，连续的变量】
GYM是强化学习中经典的环境库，下节课我们会用到里面的CliffWalkingWapper和FrozenLake环境，为了使得环境可视化更有趣一些，直播课视频中演示的Demo对环境的渲染做了封装，感兴趣的同学可以在PARL代码库中的examples/tutorials/lesson1中下载gridworld.py使用。PARL__开源库地址：https://github.com/PaddlePaddle/PARL
然后从github下载程序，可参考：
https://blog.csdn.net/sinat_39620217/article/details/114935394
https://blog.csdn.net/sinat_39620217/article/details/114935069
下载完PARL打开对应example
1.4 PARL有点在于分布式并行框架：
只需要红框对应代码，多集群。（多线程代码）
只需要拷贝一份代码到learner master机器上， 当集群存在别的机器会自动拷贝代码到其余机器上。
这里采用1.8 paddle------------考虑到目前开源程序采用的都是1.8版本及之前的 所以安装2.0运行代码调试问题比较大，迁移工具也无法完全改进成功
