所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

Ray分布式强化学习训练实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · Ray与分布式强化学习的关系
课程导入学习目标
02
强化学习基础回顾
MDP · 策略 · 价值函数
强化学习基础回顾MDP
03
Ray框架入门
Ray Core核心概念（Tasks · Actors · Object Store）
Ray框架入门
04
Ray高级特性
Ray Remote Functio… · Actors生命周期 · Ray ObjectRef
Ray高级特性
05
Ray分布式执行模型
任务调度 · 数据流 · 故障恢复
Ray分布式执行模型
06
Ray RLlib概览
RLlib架构 · 内置算法库 · 配置系统
RayRLlib
07
RLlib环境接口
自定义环境（ Gym · Multi-Agent） · 环境包装
RLlib环境接口
08
RLlib训练流程
训练循环 · 评估 · 检查点
RLlib训练流程
09
RLlib算法详解（一）
DQN · Double DQN · Dueling DQN
RLlib算法详解
10
RLlib算法详解（二）
PPO · TRPO等策略梯度方法 · clip参数
RLlib算法详解
11
RLlib算法详解（三）
SAC · TD3等基于最大熵与确定性策略的方法 · 以及它们的分布式变体
RLlib算法详解
12
RLlib算法详解（四）
A3C/A2C · IMPALA等异步分布式算法 · 以及它们的架构与性能对比
RLlib算法详解
13
多智能体强化学习
RLlib多智能体API · 共享策略与独立策略 · 环境设计
多智能体强化学习RLlib
14
模型无关的分布式训练
使用Ray Tune进行超参数搜索 · 与RLlib集成 · 分布式调参最佳实践
模型无关的分布式…Ray
15
Ray Serve与强化学习部署
将训练好的策略模型部署为在线服务 · 实现实时推理与A/B测试
RayServe
16
分布式训练性能优化
瓶颈分析 · 数据流水线优化 · GPU/CPU资源分配
分布式训练性能优…瓶颈分析
17
大规模训练案例（一）
使用RLlib训练Atari游戏智能… · 从单机到多节点分布式扩展 · 性能对比
大规模训练案例RLlib
18
大规模训练案例（二）
训练机器人控制任务（如MuJoCo） · 使用PPO/SAC · 处理高维连续动作空间
大规模训练案例MuJoCo
19
大规模训练案例（三）
多智能体协作与竞争场景（如足球 · 捉迷藏） · 实现复杂群体行为
大规模训练案例多智能体协作
20
大规模训练案例（四）
基于Ray的离线强化学习（Offli… · 使用RLlib的离线数据集与BCQ/…
大规模训练案例Ray
21
自定义算法实现
在RLlib中实现自定义算法 · 继承Trainer与Policy · 集成自定义损失与更新逻辑
自定义算法实现RLlib
22
分布式训练中的稳定性与调试
常见问题（发散 · 样本效率低 · 资源竞争）
分布式训练稳定性
23
Ray集群部署
本地集群 · 云上集群（AWS/GCP/Azure… · Kubernetes集成
Ray集群部署
24
与深度学习框架集成
PyTorch与TensorFlow… · 自定义模型 · 自定义预处理与后处理
深度学习框架集成PyTorch
25
强化学习训练数据管理
经验回放（Replay Buffer… · 优先级采样 · 数据压缩与存储
强化学习训练数据…Replay
26
分布式强化学习前沿
分布式优先经验回放（Ape-X） · R2D2 · SEED RL等先进架构的原理与实现…
分布式强化学习前…Ape-X
27
实战项目（一）
从零搭建一个分布式PPO训练系统 · 使用Ray Core实现自定义分布式… · 不依赖RLlib
实战项目PPO
28
实战项目（二）
基于RLlib的推荐系统模拟环境 · 训练智能体进行用户交互优化 · 并部署到Ray Serve
实战项目RLlib
29
实战项目（三）
自动驾驶决策场景 · 使用多智能体RLlib训练车辆协同策… · 并进行分布式评估
实战项目自动驾驶决策场景
30
综合提升与总结
课程回顾 · 常见陷阱 · 性能调优清单
综合提升课程回顾