郭一璞 发自 凹非寺
量子位 报道 | 公众号 QbitAI
上周那个在DOTA2 TI8赛场上“装逼失败”的OpenAI Five，背后是强化学习的助推。
其实不仅仅是OpenAI Five，下围棋的AlphaGo和AlphaGo Zero、玩雅达利街机游戏的DeepMind DQN（deep Q-network），都离不开强化学习（Reinforcement Learning）。
现在，谷歌发布了一个基于TensorFlow的强化学习开源框架，名叫Dopamine。
另外，还有一组Dopamine的教学colab。
和它的名字Dopamine（多巴胺）一样，新框架听上去就令人激动。
清晰，简洁，易用
新框架在设计时就秉承着清晰简洁的理念，所以代码相对紧凑，大约是15个Python文件，基于Arcade Learning Environment (ALE)基准，整合了DQN、C51、 Rainbow agent精简版和ICML 2018上的Implicit Quantile Networks。
可再现
新框架中代码被完整的测试覆盖，可作为补充文档的形式，也可以用ALE来评估。
基准测试
为了让研究人员能快速比较自己的想法和已有的方法，该框架提供了DQN、C51、 Rainbow agent精简版和Implicit Quantile Networks的玩ALE基准下的那60个雅达利游戏的完整训练数据，以Python pickle文件和JSON数据文件的格式存储，并且放到了一个可视化网页中。
另外，新框架中还有训练好的深度网络、原始统计日志，以及TensorBoard标注好的TensorFlow事件文件。
传送门开源框架资源
Dopamine谷歌博客：
Dopamine github下载：
colabs：
游戏训练可视化网页：
相关资料
ALE基准：
DQN（DeepMind）：
C51（ICML 2017）：
Rainbow：
Implicit Quantile Networks（ICML 2018）：
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
