| 文件夹名称 | 说明 |
|---|---|
| ch01 | 第1章中使用的源代码 |
| ... | ... |
| ch09 | 第9章中使用的源代码 |
| common | 公用的源代码 |
| notebooks | Jupyter Notebook形式的源代码 |
| pytorch | 移植到PyTorch中的源代码 |
本书的代码也提供了Jupyter Notebook格式。通过点击下表中的按钮，应该可以在Google Colab或Kaggle Notebook等云服务上执行Notebook。
| 章 | Colab | Kaggle | Studio Lab |
|---|---|---|---|
| 第1章 老虎机问题 |  |
 |
 |
| 第4章 动态规划法 | |
|
|
| 第5章 蒙特卡洛方法 | |
|
|
| 第6章 TD方法 | |
|
|
| 第7章 神经网络和Q学習 | |
|
|
| 第8章 DQN | |
|
|
| 第9章 策略梯度法 | |
|
|
本书中使用的Python版本和外部库如下所示。
- Python 3系列
- NumPy
- Matplotlib
- DeZero（或PyTorch）
- OpenAI Gym
本书将使用DeZero作为深度学习的框架，这个框架是我们在“深度学
习入门 & 进阶”系列的第三本书《深入学习入门2：自制框架》中创建的。（可以通过pip install dezero进行安装）。DeZero是一个简单的框架，你应该很快就能掌握它。第7章对如何使用DeZero做了介绍。虽然本书使用的是DeZero，但使用其他框架（如PyTorch或TensorFlow）也不影响阅读本书。
DeZero和PyTorch的许多API是相同的。因此，可以很容易地将DeZero版的代码移植到PyTorch版的代码中。本书配套的 GitHub 仓 库（参见下文）也提供了 PyTorch 版的代码。
使用PyTorch的实现可以在pytorch目录中找到。
文件夹ch01到ch09中包含本书各章所使用的文件。要运行这些文件，请按以下方法执行Python命令（可以从任何目录中执行Python命令）：
$ python ch01/avg.py
$ python ch08/dqn.py
$ cd ch09
$ python actor_critic.py
本仓库的源代码遵循MIT许可。无论商业或非商业用途，都可以自由使用。
本书的勘误信息汇总在勘误页面。
如果您发现任何未列在勘误页面上的错字或其他错误，请在勘误页面提交勘误。