VIP6
本课程属于：152-RLHF与强化学习工程 AI智能与边缘计算工程 · 共 6 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

深度强化学习工程化项目实战

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
深度强化学习工程化的定义 · 目标 · 与传统强化学习的区别
课程导入深度强化学习工程…
02
强化学习基础回顾
马尔可夫决策过程 · 策略 · 价值函数
强化学习基础回顾马尔可夫决策过程
03
深度强化学习核心组件
神经网络在强化学习中的角色 · 经验回放 · 目标网络
深度强化学习核心…神经网络
04
环境搭建与模拟器选择
常见环境（Gym · Gymnasium · MuJoCo
环境搭建模拟器选择
05
算法实现基础
从零实现DQN · 策略梯度 · Actor-Critic（A2C/A…
算法实现基础DQN
06
训练流程工程化
训练循环设计 · 超参数管理 · 日志记录
训练流程工程化训练循环设计
07
性能优化与加速
GPU/TPU使用 · 并行环境采样 · 向量化环境
性能优化加速
08
奖励工程与稀疏奖励处理
奖励塑形 · 课程学习 · 好奇心驱动
奖励工程稀疏奖励处理
09
稳定训练技巧
梯度裁剪 · 学习率调度 · 网络初始化
稳定训练技巧梯度裁剪
10
评估与调试
训练曲线分析 · 策略评估指标（平均回报 · 成功率
评估调试
11
模型部署与集成
模型导出（ONNX · TorchScript） · 推理服务（TensorRT
模型部署集成
12
案例实战
CartPole平衡控制 · 调优 · 评估与可视化
案例实战CartPole
13
案例实战
Atari游戏（如Breakout） · 经验回放 · 目标网络
案例实战Atari
14
案例实战
连续控制任务（如HalfCheeta… · 连续动作空间处理 · 奖励设计
案例实战HalfCheeta
15
案例实战
机器人导航（自定义环境） · 奖励设计 · 使用PPO训练
案例实战机器人导航
16
案例实战
推荐系统模拟：将强化学习用于推荐 · 用户交互模拟 · 状态与动作定义
案例实战推荐系统模拟
17
案例实战
资源调度（如数据中心冷却） · 约束处理 · 安全奖励
案例实战资源调度
18
多智能体强化学习工程化
多智能体环境（PettingZoo） · 通信与协作 · 集中训练分布执行（CTDE）
多智能体强化学习…PettingZoo
19
离线强化学习
离线数据集构建 · 保守算法（CQL · BCQ）
离线强化学习离线数据集构建
20
模型基强化学习
学习环境模型 · 规划（MPC） · 模型与无模型结合（Dyna）
模型基强化学习学习环境模型
21
安全与鲁棒性
安全约束 · 对抗攻击与防御 · 鲁棒策略训练
安全鲁棒性
22
超参数自动调优
网格搜索 · 随机搜索 · 贝叶斯优化（Optuna）
超参数自动调优网格搜索
23
实验管理与复现
实验跟踪（MLflow · Weights & Biases） · 配置管理
实验管理复现
24
项目架构设计
模块化设计（环境 · 算法 · 训练器
项目架构设计模块化设计
25
性能剖析与瓶颈分析
CPU/GPU利用率 · 数据加载瓶颈 · 网络通信开销
性能剖析瓶颈分析
26
常见问题与解决方案
训练不稳定 · 探索不足 · 奖励尺度敏感
常见问题解决方案
27
综合实战项目（一）
从零构建一个完整的深度强化学习项目（… · 包括需求分析 · 环境设计
综合实战项目从零构建一个完整…
28
综合实战项目（二）
多智能体协作项目（如无人机编队） · 涵盖环境构建 · 算法实现
综合实战项目多智能体协作项目
29
综合实战项目（三）
工业控制优化项目（如化学过程控制） · 处理连续状态动作 · 安全约束
综合实战项目工业控制优化项目
30
课程总结与进阶方向
回顾核心知识点 · 工程化最佳实践 · 常见误区
课程总结进阶方向