加固学习工具箱
通过强化学习设计和培训政策
强化学习工具箱™提供的功能和模块使用强化学习算法，包括DQN，A2C，和DDPG培训政策。您可以使用这些策略来实现控制器和决策算法的复杂系统，如机器人和自治系统。您可以实现使用深层神经网络，多项式，或查找表的策略。
Toolbox允许您通过启用它们与Matlab所代表的环境进行交互来培训策略®或者模万博1manbetx拟®模型。您可以评估算法，具有超参数设置和监控训练进度实验。为了提高训练性能，可以运行在云上，计算机集群，GPU的（并行计算工具箱™和MATLAB并行服务器™）并行模拟。
通过Onnx™模型格式，现有的策略可以从DENE学习框架导入Tensorflow™Keras和Pytorch（具有深度学习工具箱™）。您可以生成优化的C，C ++，和CUDA代码部署在微控制器和GPU的训练有素的政策。
该工具箱包括使用加强学习的参考示例，用于设计用于机器人和自动化驾驶应用的控制器。
开始：
强化学习算法
使用Deep Q-网络（DQN）执行代理，优势演员评论家（A2C），深确定性政策梯度（DDPG）等内置算法。使用模板来实现自定义代理的培训政策。
代理包括策略和算法。
使用深神经网络的策略和价值函数表示
使用与大型国有企业，行动空间复杂系统的深层神经网络策略。定义使用网络和架构从深度学习工具箱政策。进口ONNX模型与其他深度学习框架的互操作性。
万博1manbetx代理商Simulink模块
在Simulink中实施和培训加固学习代理。万博1manbetx
Simulink的加强学习代理块。万博1manbetx
万博1manbetxSimulink和Simscape环境
使用Si万博1manbetxmulink和Simscape™模型来表示环境。指定模型中的观察，动作和奖励信号。
万博1manbetx倒摆的Simulink环境模型。
Matlab环境
利用Matlab函数和类来表示的环境。指定观察，行动和MATLAB文件中奖励的变量。
MATLAB用于推车系统系统。
分布式计算和多核加速
通过在多核计算机，云资源，或者计算集群采用并行计算工具箱和运行并行计算加速培训MATLAB并行服务器。
使用并行计算加速培训。
GPU加速
高性能NVIDIA加快深度神经网络培训和推论®GPU。使用matlab并行计算工具箱和大多数CUDA.®- 启用NVIDIA GPU的有计算能力3.0或更高。
加快培养使用的GPU。
代码生成
使用GPU编码器™以生成代表培训的政策MATLAB代码优化的CUDA代码。使用Matlab Coder™生成C / C ++代码以部署策略。
使用GPU编码器生成CUDA代码。
Matlab编译器支持万博1manbetx
使用Matlab Compiler™和MATLAB编译器SDK™将培训的策略部署为C / C ++共享库，Microsoft®.NET程序集，爪哇®课程和python®包裹。
包裹并将策略作为独立程序。
入门
实现基于加强学习的控制器，用于平衡倒立的摆锤，导航网格世界问题，平衡车杆系统。
解决网格世界迷宫。
培养了车道保持辅助系统。
机器人
使用加固学习的机器人设计控制器。
训练机器人行走使用强化学习。
