# learn-dl-the-experimental-way

**Repository Path**: quanbinn/learn-dl-the-experimental-way

## Basic Information

- **Project Name**: learn-dl-the-experimental-way
- **Description**: 《用实体实验法学强化学习，深度学习和机器学习》是一个基于实体实验的交互式教程。
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-04-26
- **Last Updated**: 2022-04-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Learn Reinforcement Learning & Deep Learning & Machine Learning The Experimental Way 《用实体实验法学强化学习, 深度学习和机器学习》

### 实验前的准备

- [**重要：首先购买实验道具**]()
- [作者简介]()
- [实验方法]()
- [调试学习代码段的N个阶段](/chapters/实验前的准备/调试学习代码段的N个阶段.md)
- [**重要：安装Anaconda**](/chapters/环境配置/安装Anaconda.md)
- [**重要：通过conda安装PyTorch**](/chapters/环境配置/通过conda安装PyTorch.md)
- [**重要：通过conda安装TensorFlow**](/chapters/环境配置/通过conda安装TensorFlow.md)

### 体验深度学习和强化学习中处理的基本数据类型

- [1张图像中的100个RGB值](/chapters/体验深度学习和强化学习中处理的基本数据类型/1张图像中的100个RGB值.md)
- [在线体验RGB与HSV之间的相互转换](/chapters/体验深度学习和强化学习中处理的基本数据类型/在线体验RGB与HSV之间的相互转换.md)
- [在线体验1张图片的RGB颜色空间](/chapters/体验深度学习和强化学习中处理的基本数据类型/在线体验1张图片的RGB颜色空间.md)

### 体验神经网络中的数学原理

- [输入图像实例的数据和神经网络的代价函数](/chapters/体验神经网络中的数学原理/输入图像实例的数据和神经网络的代价函数.md)
- [神经网络中用到的变量名和参数名的表示方法](/chapters/体验神经网络中的数学原理/神经网络中用到的变量名和参数名的表示方法.md)
- [第2层中3个神经单元的输入值和输出值](/chapters/体验神经网络中的数学原理/第2层中3个神经单元的输入值和输出值.md)
- [第3层中2个神经单元的输入值和输出值](/chapters/体验神经网络中的数学原理/第3层中2个神经单元的输入值和输出值.md)
- [用代价函数计算出1个学习实例的代价](/chapters/体验神经网络中的数学原理/用代价函数计算出1个学习实例的代价.md)
- [用偏导数的链式法则求出梯度的1个向量](/chapters/体验神经网络中的数学原理/用偏导数的链式法则求出梯度的1个向量.md)
- [用反向传播算法求出梯度的1个向量](/chapters/体验神经网络中的数学原理/用反向传播算法求出梯度的1个向量.md)

### 体验卷积神经网络中的数学原理

- [输入图像实例的数据和神经网络的代价函数](/chapters/体验卷积神经网络中的数学原理/输入图像实例的数据和神经网络的代价函数.md)
- [卷积神经网络中用到的变量名和参数名的表示方法](/chapters/体验卷积神经网络中的数学原理/卷积神经网络中用到的变量名和参数名的表示方法.md)
- [过滤器和卷积层中的输入值和输出值](/chapters/体验卷积神经网络中的数学原理/过滤器和卷积层中的输入值和输出值.md)
- [池化层中的输入值和输出值](/chapters/体验卷积神经网络中的数学原理/池化层中的输入值和输出值.md)
- [输出层3个神经单元的输入值和输出值](/chapters/体验卷积神经网络中的数学原理/输出层3个神经单元的输入值和输出值.md)
- [用代价函数计算出1个学习实例的代价](/chapters/体验卷积神经网络中的数学原理/用代价函数计算出1个学习实例的代价.md)
- [用反向传播算法求出梯度的1个向量](/chapters/体验卷积神经网络中的数学原理/用反向传播算法求出梯度的1个向量.md)

### 体验强化学习的基本概念

- [马尔可夫决策过程中的“智能体-环境”的交互模型](/chapters/体验强化学习的基本概念/马尔可夫决策过程中的“智能体-环境”的交互模型.md)
- [策略的回报和最优策略的最优回报](/chapters/体验强化学习的基本概念/策略的回报和最优策略的最优回报.md)
- [行动值函数(action-value-function)](/chapters/体验强化学习的基本概念/行动值函数(action-value-function).md)
- [状态值函数(state-value-function)](/chapters/体验强化学习的基本概念/状态值函数(state-value-function).md)
- [Bellman方程](/chapters/体验强化学习的基本概念/Bellman方程.md)

### 体验蒙特卡洛控制算法

- [预测](/chapters/体验蒙特卡洛控制算法/预测.md)
- [用Q-table评估](/chapters/体验蒙特卡洛控制算法/用Q-table评估.md)
- [用ε-greedy策略改进](/chapters/体验蒙特卡洛控制算法/用ε-greedy策略改进.md)
- [用constant-α控制](/chapters/体验蒙特卡洛控制算法/用constant-α控制.md)

### 体验3种基本的时序差分控制方法

- [Sarsa](/chapters/体验3种基本的时序差分控制方法/Sarsa.md)
- [Q-learning](/chapters/体验3种基本的时序差分控制方法/Q-learning.md)
- [Expected-Sarsa](/chapters/体验3种基本的时序差分控制方法/Expected-Sarsa.md)

### 体验Q-Learning的基本原理

- [定义状态和行动并且设定奖励值的大小](/chapters/体验Q-Learning的基本原理/定义状态和行动并且设定奖励值的大小.md)
- [设置奖励矩阵R和Q-table矩阵Q](/chapters/体验Q-Learning的基本原理/设置奖励矩阵R和Q-table矩阵Q.md)
- [Q-table中数值的第1个运算过程](/chapters/体验Q-Learning的基本原理/Q-table中数值的第1个运算过程.md)
- [Q-table中数值的第2个运算过程](/chapters/体验Q-Learning的基本原理/Q-table中数值的第2个运算过程.md)
- [Q-table中数值的第3个运算过程](/chapters/体验Q-Learning的基本原理/Q-table中数值的第3个运算过程.md)
- [Q-table中数值的第4个运算过程](/chapters/体验Q-Learning的基本原理/Q-table中数值的第4个运算过程.md)
- [Q-table中数值的第5个运算过程](/chapters/体验Q-Learning的基本原理/Q-table中数值的第5个运算过程.md)

### 体验机器学习的基本概念

- [数据集中多个数据的Mean,Median,和Mode](/chapters/体验机器学习的基本概念/数据集中多个数据的Mean,Median,和Mode.md)
- [数据集中多个数据的Standard Deviation和Variance](/chapters/体验机器学习的基本概念/数据集中多个数据的Standard_Deviation和Variance.md)
- [数据集中多个数据的Percentile](/chapters/体验机器学习的基本概念/数据集中多个数据的Percentile.md)
- [数据集中多个数据的(Normal) Data Distribution](/chapters/体验机器学习的基本概念/数据集中多个数据的(Normal)_Data_Distribution.md)
- [数据集中多个数据的Scatter Plot](/chapters/体验机器学习的基本概念/数据集中多个数据的Scatter_Plot.m)
- [用Linear Regression找出不同类型的数据间的相互关系](/chapters/体验机器学习的基本概念/用Linear_Regression找出不同类型的数据间的相互关系.md)
- [用Polynomial Regression找出不同类型的数据间的相互关系](/chapters/体验机器学习的基本概念/用Polynomial_Regression找出不同类型的数据间的相互关系.md)
- [用Multiple Regression找出不同类型的数据间的相互关系](/chapters/体验机器学习的基本概念/用Multiple_Regression找出不同类型的数据间的相互关系.md)
- [用Scale找出不同类型的数据间的相互关系](/chapters/体验机器学习的基本概念/用Scale找出不同类型的数据间的相互关系.md)
- [用Train/Test的方法评估机器学习模型](/chapters/体验机器学习的基本概念/用Train_Test的方法评估机器学习模型.md)
- [体验决策树](/chapters/体验机器学习的基本概念/体验决策树.md)

### 体验遗传算法的基本原理

- [在线体验求解函数式的极值 (Hold,未来代码重构)](/chapters/体验遗传算法的基本原理/在线体验求解函数式的极值.md)
- [定义评价函数](/chapters/体验遗传算法的基本原理/定义评价函数.md)
- [随机生成种群](/chapters/体验遗传算法的基本原理/随机生成种群.md)
- [二进制与十进制的相互映射](/chapters/体验遗传算法的基本原理/二进制与十进制的相互映射.md)
- [适应度函数](/chapters/体验遗传算法的基本原理/适应度函数.md)
- [选择](/chapters/体验遗传算法的基本原理/选择.md)
- [交叉](/chapters/体验遗传算法的基本原理/交叉.md)
- [变异](/chapters/体验遗传算法的基本原理/变异.md)

### 附录

- **用NumPy操作矩阵及进行基本运算等**
	- [生成随机数](/chapters/附录/生成随机数.md)
	- [用arange()创建等差数组](/chapters/附录/用arange()创建等差数组.md)
	- [两个向量的数量积(内积)](/chapters/附录/两个向量的数量积(内积).md)
	- [矩阵乘法](/chapters/附录/矩阵乘法.md)

- **用Matplotlib绘出2D和3D图像**
	- [绘出函数的2D图像](/chapters/附录/绘出函数的2D图像.md)
	- [绘出函数的3D图像(Hold,未来代码重构)](/chapters/附录/绘出函数的3D图像.md)
	 
- **在线体验导数/正态分布/最小平方法等**
	- [计算偏导数](/chapters/附录/计算偏导数.md)
	- [在Excel里生成正态分布的随机数(Wait)](/chapters/附录/在Excel里生成正态分布的随机数.md)
	- [用Matplotlib绘出Step function (Hold,未来代码重构)](/chapters/附录/Step_function.md)
	- [用Matplotlib绘出最小平方法的线性拟合 (Hold,未来代码重构)](/chapters/附录/用Matplotlib绘出最小平方法的线性拟合.md)
	- [通过最小平方法的线性拟合体验Cost funciton(Wait)](/chapters/附录/通过最小平方法的线性拟合体验Cost_funciton.md)

- **Sigmoid function**
	- [在坐标纸上手绘出大致的曲线](/chapters/附录/Sigmoid_function/在坐标纸上手绘出大致的曲线.md)
	- [使用NumPy调试的代码](/chapters/附录/Sigmoid_function/使用NumPy调试代码.md)
	- [在online的Jupyter Notebook上使用Matplotlib绘出的曲线](/chapters/附录/Sigmoid_function/在online的JupyterNotebook上使用Matplotlib绘出曲线.md)

- **其它**
	- [使用蒙特卡罗方法计算圆周率近似值等](/chapters/附录/使用蒙特卡罗方法计算圆周率近似值等.md)