alessiodm/drl-zh

它解决了什么问题

阅读强化学习（RL）的教材很容易，但真正让算法跑起来却很难。这个项目将这一差距转化为一条动手实践的路径：你通过自己构建算法来学习，而不仅仅是跟随教科书解释。它为你提供了一个结构化的课程，每个关键概念都配有练习笔记本和完整解决方案，以便你在卡住时进行对照。

它是如何工作的

该课程是一系列编号从00到18的Jupyter笔记本，按轨道分组，如基础、打破假设、规划、现代AI栈、生产、世界模型以及元+总结。根笔记本包含引导式的TODO部分，其中代码被有意移除；solution/文件夹包含完整、可运行的版本，以便你随时解除阻塞。一个Docker工作区捆绑了你所需的一切（code-server、Python 3.13、Jupyter、依赖项以及可选的DRL-ZH AI Companion，这是一个VS Code扩展，提供苏格拉底式提示而非剧透，支持文本或语音输入）。你也可以按照手动说明进行本地设置。

适合谁

这门课程面向已经熟悉Python、了解PyTorch基础知识并具备常规机器学习数学背景（概率、统计、线性代数、导数）的学习者。这些笔记本教授RL，但假设你能阅读和修改真实的训练代码，因此适合那些希望自己编写代码而不是消费预构建演示的学习者。

亮点

• 构建超过18个笔记本的RL算法，从MDP和表格RL到DQN、PPO、SAC、AlphaZero、RLHF、Decision Transformers和Dreamer。
• 练习带有引导式TODO和完整解决方案，在单独的笔记本中提供，以便自定进度。
• 可选的AI Companion（VS Code扩展）提供苏格拉底式提示，支持文本或语音，支持Gemini（默认）、OpenAI、Anthropic或Groq。
• 基于Docker的设置确保可复现的环境，提供GPU和CPU变体，以及本地设置路径。
• 涵盖生产实践，如TensorBoard、检查点、调试、多种种子、Ray和Optuna。