【文件属性】：
文件名称：Deep-Q-Learning-Paper-To-Code
文件大小：48.17MB
文件格式：ZIP
更新时间：2021-05-14 12:46:36
Python
深度Q学习纸到代码
我在Udemy的课程代码：
我们分析并实施以下论文：
通过深度强化学习进行人的水平控制
带有双Q学习的深度强化学习：
深度强化学习的决斗网络架构：
该课程仍在审查中，本自述文件正在进行中。
更好的文档来了！
【文件预览】：
Deep-Q-Learning-Paper-To-Code-master
----DuelingDDQN()
--------deep_q_network.py(2KB)
--------dueling_ddqn_agent.py(4KB)
--------models()
--------main_dueling_ddqn.py(2KB)
--------replay_memory.py(1KB)
--------utils.py(4KB)
--------plots()
----q_learning()
--------frozen_lake_q_learning.py(1KB)
--------frozen_lake_env_test.py(667B)
--------q_learning_agent.py(1KB)
--------frozen_lake_random_agent.py(499B)
--------plots()
--------q_network.py(1KB)
--------frozen_lake_deterministic_policy.py(630B)
----deep_q_network.py(3KB)
----DQN()
--------deep_q_network.py(2KB)
--------main_dqn.py(2KB)
--------models()
--------replay_memory.py(1KB)
--------dqn_agent.py(4KB)
--------preprocess_pseudocode(2KB)
--------utils.py(4KB)
--------plots()
----argparse_example.py(423B)
----LICENSE(1KB)
----DuelingDQN()
--------deep_q_network.py(2KB)
--------dueling_dqn_agent.py(4KB)
--------models()
--------replay_memory.py(1KB)
--------utils.py(4KB)
--------plots()
--------main_dueling_dqn.py(2KB)
----replay_memory.py(1KB)
----agents.py(9KB)
----utils.py(4KB)
----README.md(639B)
----DDQN()
--------deep_q_network.py(2KB)
--------ddqn_agent.py(4KB)
--------models()
--------replay_memory.py(1KB)
--------utils.py(4KB)
--------plots()
--------main_ddqn.py(2KB)
----main.py(5KB)
----naive_deep_q_learning()
--------pytorch_example.py(1KB)
--------util.py(845B)
--------cartpole_naive_dqn.py(3KB)
--------cartpole_naive_dqn.png(36KB)