强化学习
没有样板代码的强化学习
在我之前关于强化学习的文章中，我向你展示了如何只使用一点点的numpy和TensorFlow来实现（深度）Q学习。虽然这是理解这些算法如何在内部工作的重要一步，但代码有点冗长——我甚至只是实现了最基本的深度Q学习版本之一。
动手实践深度Q学习
提高代理的水平以赢得更困难的游戏！
towardsdatascience.com
在本文的解释下，理解代码应该是相当简单的。然而，如果我们真的想要完成工作，我们应该依靠良好文档化、维护和优化的库。就像我们不想一遍又一遍地实现线性回归一样，我们也不想为强化学习做同样的事情。
在本文中，我将向您展示强化学习库Stable-Baselines3，它的使用就像scikit-learn一样简单。但是，与训练模型预测标签不同的是，我们得到的是可以在其环境中良好导航的训练代理。
简短回顾
如果你不确定（深度）Q学习是什么，我建议阅读我之前的文章。在高层次上，我们希望训练一个与其环境进行交互，目标是最大化总奖励的代理。强化学习最重要的部分是为代理找到一个良好的奖励函数。
通常我想象一个游戏中的角色寻找通往最高分的方法，例如，马里奥自始至终不死地跑到终点，并且在最好的情况下尽可能快。
为了实现这个目标，在Q学习中，我们学习了每一对（s，a）的质量值，其中s是一个状态，a是代理可以采取的动作。Q（s，a）是…