深度强化学习（Deep Reinforcement Learning）的资源

深度强化学习（Deep Reinforcement Learning）的资源  

2015-04-08 11:21:00|  分类：

Torch |  标签：深度强化学习  
|举报
|字号 订阅

Google的Deep Mind团队2013年在NIPS上发表了一篇牛x闪闪的文章，亮瞎了好多人眼睛，不幸的是我也在其中。前一段时间收集了好多关于这方面的资料，一直躺在收藏夹中，目前正在做一些相关的工作（希望有小伙伴一起交流）。
一、相关文章

关于DRL，这方面的工作基本应该是随着深度学习的爆红最近才兴起的，做这方面的研究的一般都是人工智能领域的大牛。最早（待定）的一篇可以追溯到2010年，Lange[1]做的相关工作。
提出了Deep auto-encoder用于基于视觉的相关控制，和目前的架构其实已经很相似了。接下来，在2011年，Cuccu等人[2]（Jurgen
Schmidhuber课题组的），做了一些相关的工作（有和DRL靠近的意思）。关于这位瑞士的大牛Jurgen先生，他去年写了一篇关于DL的综述，这不是关键，关键是这货引用了888篇参考文献，这货必定受了中国高人指点（因为中国人很喜欢的），事实上他也做中文识别（我都惊呆了）。还是2011年，Abtahi等人[3]用DBN替代传统的强化学习中的逼近器（做RL的人是不是很亲切，和Deep
mind就差一点儿额！有木有觉得很可惜，几乎都摸到Nature的门上了）, 。2012年的时候，Lange[4]这人更进一步开始做应用了，提出Deep
Fitted Q学习做车辆控制，不过效果不咋地。后来2012年的时候，就有人开始写深度强化学习的相关应用前景和综述了，比如Arel[5]（大牛们还是看的比较远的）的。然后时间就到了2013年，Deep
Mind团队在nips上发表了他们的文章[6]，业界都惊呆了，（RL和DL还可以这样玩儿）。但是，刚出来的时候，他们不给代码，各路牛人震惊之余开始搞逆向工程，最后真有一帮人把代码写出来了（囧啊！我为什么写不出来呢？）后来更给力的就是Deep
mind[7]居然又更进一步发到nature上去了。
反正我当时知道后都惊呆了，人工智能领域的人开始狂欢了，各种摇旗呐喊的人，然后现在这东西开始变得炙手可热，不知道会不会像Google眼镜一样。关于DRL的发展就是这个样子，接下来就看看那些个人怎么给呐喊的吧！

二、科学评论

先给中文的，这篇分析DRL比较客观，推荐指数3星http://www.infoq.com/cn/articles/atari-reinforcement-learning。不过这里面其实也只是说了一个皮毛，真正的要看内容的话还是去看人家论文把
纯科普的http://36kr.com/p/220012.html和http://36kr.com/p/217570.html ，两篇都是36kr报道的，算是国内比较有良心的了，推荐指数2星。

看看人家外国人怎么说吧！

这个优点类似综述，适合搞学术的人看看，而且还有demo和教程呢！有些视频得翻墙http://nextbigfuture.com/2014/12/deep-learning-and-deep-reinforcement.html。推荐指数5星。
http://arstechnica.com/science/2015/02/ai-masters-49-atari-2600-games-without-instructions/，这个就是一个科普，有视频，比国内的科普强点儿，推荐指数3星。
还有一个overview, 基本上把deep mind文章的重点部分挑出来说了一下，适合有一定ML基础的人去看看，推荐指数3星。http://artent.net/2014/12/10/a-review-of-playing-atari-with-deep-reinforcement-learning/
。
Nature上还采访了一个做逆向的深度强化学习的东欧的一个学者科学家，他们还给出了DRL算法的一个缺陷，一个中文翻译的http://www.7huoxing.com/?p=13035
。推荐指数2星，适合科普。

还有很多很多就不一一列举了。

三、相关代码

这部分应该是大家最关心的，我想大部分看到文章的第一想法是代码呢！擦，其实我也是这么想的，谁叫自己的coding能力不够呢！没办法，本人在网上（github.com）深挖了好久，没想到大牛真的好多好多啊！

排在第一的当然是google自己公布的代码啊！真是业界良心啊！https://sites.google.com/a/deepmind.com/dqn/
。可惜注释好少。。。。。是基于Torch 7的代码，本人又硬着头皮学了lua。话说我这几个月我就在和各种脚本语言打交道，都是泪啊！备注，deep mind的git地址https://github.com/deepmind
。话说没有GPU的电脑真心不要跑了，我跑了13个小时才跑了大概1/20~~~建议在ubuntu下面跑，最好版本高一些；
然后就是各路人马（大牛们）的逆向工程。https://github.com/spragunr/deep_q_rl
，作者Spragunr公布的基于python各种工具的代码，这位大牛利用外界工具的能力真实吊炸天，好多工具啊！opencv、cython、rl-glue、theano等等。我表示在ubuntu14.04LTS上面配置了好久，发现电脑没有GPU，跑不起来，整个人都不好了，还有一个貌似是其学生的https://github.com/brian473/neural_rl ，里面也需要配置python的库，theano之类的，步骤比较多~不过大牛的学生都是大牛。
https://github.com/kristjankorjus/Replicating-DeepMind
，这里Kristjankorjus大牛基于convnet的东东，发布了这一代码，也是基于python的，我表示没有跑过，不清楚状况，貌似也要GPU，也要配置一堆库。
Stanford的Karpathy等人复现了DQN，但是是用的js，开始真是吓尿了，在浏览器里面跑额！https://github.com/karpathy/convnetjs
，这个demo不错，可惜只能show一下没啥价值，网页可见http://cs.stanford.edu/people/karpathy/convnetjs/
。还有一点，这人学生更牛，直接用Torch 7给实现了，（阅读了代码之后发现结构和Google给的几乎一模一样，而且注释相当详细），https://github.com/fangzai/DeepQLearning
。忘了源地址在哪儿了，我把这个到我的git上了，有点儿对不起原作者了。
也有人用caffe实现了，是个日本人。目前有两个地址，https://github.com/chiggum/AI/tree/master/rl/atari_agent，和https://github.com/muupan/dqn-in-the-caffe
第二个是日本人写的（还真牛）。好多人喜欢用caffe，不过貌似是没有torch 7方便，有一个好处就是直接是C++，效率比较高。不过，这两个程序我都没有跑过，看作者给的结果，挺不错的。
上面说的搞逆向的人爱沙尼亚Ilya Kuzovkin的关于google源码的改进，还有相关电脑的配置信息。https://github.com/kuz/DeepMind-Atari-Deep-Q-Learner
。这里跟一下他们的报告https://courses.cs.ut.ee/MTAT.03.291/2014_spring/uploads/Main/Replicating%20DeepMind.pdf
，赶脚特别专业，和这个作者联系过，人特别很nice。
还有一些基本都是他们的fork出来改进的，读者自己去挖吧！

基本上重要的就是这么多了，然后外围的关于Torch 7和其他东西的安装就不提了。

 

三、论坛
这是google上的一个小组，里面有不少人讨论DQN的算法以及代码使用心得，有兴趣的可以加入。

https://groups.google.com/forum/#!topic/deep-q-learning。

 



最后用Deep Mind的主页镇楼http://deepmind.com/ 。

四、补充

在跑Deep Mind的程序的时候，可能会遇到一些问题

问题1


 在convnet.lua的22行中报错，返回nill value，这个地方对于torch的设置有问题，请看如下网址。
     http://stackoverflow.com/questions/29564360/bug-encountered-when-running-googles-deep-q-network-code

  PS:欢迎各位大小牛牛补充~~~

[1]
S. Lange and M. Riedmiller, "Deep auto-encoder neural networks in reinforcement learning," in
IJCNN, 2010, pp. 1-8.
[2]
G. Cuccu, M. Luciw, J. Schmidhuber, and F. Gomez, "Intrinsically motivated neuroevolution for vision-based reinforcement learning," in
Development and Learning (ICDL), 2011 IEEE International Conference on, 2011, pp. 1-7.
[3]
F. Abtahi and I. Fasel, "Deep belief nets as function approximators for reinforcement learning,"
RBM, vol. 2, p. h3, 2011.
[4]
S. Lange, M. Riedmiller, and A. Voigtlander, "Autonomous reinforcement learning on raw visual input data in a real world application," in
Neural Networks (IJCNN), The 2012 International Joint Conference on, 2012, pp. 1-8.
[5]
I. Arel, "Deep Reinforcement Learning as Foundation for Artificial General Intelligence," in
Theoretical Foundations of Artificial General Intelligence, ed: Springer, 2012, pp. 89-102.
[6]
V. Mnih, K. Kavukcuoglu, D. Silver, A. Graves, I. Antonoglou, D. Wierstra, et al., "Playing Atari with deep reinforcement learning,"
arXiv preprint arXiv:1312.5602, 2013.
[7]
V. Mnih, K. Kavukcuoglu, D. Silver, A. A. Rusu, J. Veness, M. G. Bellemare, et al., "Human-level control through deep reinforcement learning,"
Nature, vol. 518(7540), pp. 529-533, 2015.