×
暂无评论
图文详情
  • ISBN:9787519891855
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:340
  • 出版时间:2024-10-01
  • 条形码:9787519891855 ; 978-7-5198-9185-5

本书特色

编辑推荐
仿真和合成是未来人工智能和机器学习的核心部分。试想程序员、数据科学家和机器学习工程师无需汽车就能开发自动驾驶汽车的大脑,该是多么了不起的成就。用仿真技术合成人造数据,训练传统机器学习模型,可摆脱对真实世界信息的依赖。这一切才刚刚开始。
这本实用宝典将带你探索基于仿真和合成的机器学习和人工智能,重点介绍两大技术在强化学习和模仿学习中的应用。人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大,而且魅力无穷,有望释放两者的全部潜能。
专家推荐
“当今时代,数据需求旺盛,数据获取却不易。创建高保真仿真环境,跟开展更强大的研究和开发机器学习应用之间的联系,比以往更紧密。本书是机器学习研究员和Unity开发者进入这一领域的敲门砖。”
——Dominic Monn
机器学习工程师

内容简介

人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大,而且魅力无穷,有望释放两者的全部潜能。本书的主要内容有:用Unity引擎和仿真技术,解决机器学习和人工智能问题。用游戏引擎合成图像训模。创建仿真环境,训练强化学习和模仿学习模型。采用PPO等高效通用算法解决基于仿真的机器学习问题。用不同方法训练多种机器学习模型。用PyTorch、Unity ML-Agents和Perception工具集,打通机器学习工具和业界标准游戏开发工具。

目录

目录前言 1**部分 仿真和合成基础第1 章 仿真和合成简介 1111 机器学习全新天地 1212 研究领域12121 仿真 13122 合成 1413 工具 14131 Unity 14132 用Unity ML-Agents 调用PyTorch 16133 Unity ML-Agents Toolkit17134 Unity Perception 包 1714 技术 18目录前言 1**部分 仿真和合成基础第1 章 仿真和合成简介 1111 机器学习全新天地 1212 研究领域12121 仿真 13122 合成 1413 工具 14131 Unity 14132 用Unity ML-Agents 调用PyTorch 16133 Unity ML-Agents Toolkit17134 Unity Perception 包 1714 技术 18141 强化学习 18142 模仿学习 19143 混合学习 20144 技术小结 2115 项目 22151 仿真项目 22152 合成项目 2316 小结和下一步学习内容 23第2 章 创建首个仿真作品 2521 人人都记得其首个仿真作品 2522 仿真作品2623 开始动手2724 创建Unity 项目 2925 ML-Agents 包 3326 环境 34261 地板 34262 目标 3627 智能体 37271 启动和停止智能体 41272 让智能体观察环境 45273 让智能体在环境采取行动 45274 奖惩智能体行为 46275 修饰智能体 47276 为智能体提供人工控制系统 5028 训练仿真智能体 52281 用TensorBoard 监控训练 54282 训练结束 5529 我们讲了这么多,到底是什么意思? 58210 下一步学习内容 62第3 章 首次合成数据 6331 Unity Perception 包 6332 数据合成过程 6433 创建Unity 项目 6634 创建场景72341 获取骰子模型 72342 创建简易场景 7235 准备合成78351 测试合成情景 82352 设置标签 84353 检查标签 8636 下一步学习内容 87第二部分 为乐趣和收益而模拟世界第4 章 创建更高级仿真体 9141 推块机搭建步骤 9242 创建Unity 项目 9243 环境 92431 地板 93432 墙体 95433 方块 99434 目标 100435 智能体 103436 环境 11044 训练和测试 117第5 章 开发自动驾驶小车 11951 搭环境 120511 轨道 121512 小车 127513 机器学习配置 13052 训练仿真体 140521 训练 141522 训练结束 143第6 章 模仿学习简介 14561 仿真环境146611 创建地面 147612 制作目标 148613 小球智能体 152614 摄像机 15462 搭建仿真155621 智能体组件 156622 添加启发式控制 159623 观察项和目标 16163 生成数据和训练 163631 生成训练数据 163632 做好配置,准备训练164633 模型,开训 166634 用训好的模型运行 16764 理解和使用模仿学习 168第7 章 高级模仿学习 16971 初识GAIL 16972 按我言行行事 171721 GAIL 情景 171722 修改智能体的动作 174723 修改观察项 176724 重置智能体 177725 更新智能体属性 178726 演示时间 17873 用GAIL 训练 17974 运行智能体和后续工作 182第8 章 课程学习简介 18581 机器学习领域的课程学习 18682 课程学习情景 18883 在Unity 开发 189831 创建地面 190832 创建目标 190833 智能体 19184 搭建仿真项目 192841 让智能体名副其实 192842 动作 194843 观察项 199844 人工启发式控制 19985 创建课程202851 重置环境 202852 课程配置 20386 训练 20787 运行 20788 课程和其他方法的对比 20989 下一步学习内容 210第9 章 合作学习 21191 合作学习仿真项目 211911 在Unity 搭环境 212912 编码实现智能体 221913 编写环境管理器 224914 编写方块代码 230915 完善环境和智能体 23292 训练智能体,使其学会合作 23993 多智能体合作或单一巨智能体 240第10 章 摄像机在仿真项目的应用 243101 观察项和摄像机传感器 243102 构建只有摄像机的智能体2451021 编码实现只使用摄像机的智能体 2461022 为智能体添加新摄像机 2511023 见智能体之所见 253103 训练基于摄像机的智能体258104 摄像机和你自己 260第11 章 当ML-Agents 遇到Python 263111 Python 一路下潜 263112 试验环境 264113 用Python 能做什么? 2711131 使用自己环境 2711132 完全自定义训练 276114 用Python 有什么意义? 278第12 章 仿真方法揭秘 281121 超参数(和普通参数) 2821211 参数 2821212 奖赏参数 2831213 超参数 285122 算法 286123 Unity 推断引擎和集成功能 2881231 使用ML-Agents Gym Wrapper 2891232 侧通道 292第三部分 用合成数据获得真实结果第13 章 创建更高级的合成数据 297131 为场景添加随机元素 2971311 地板颜色随机化 2981312 摄像机位置随机化 300132 下一步学习内容 304第14 章 合成商品图像 307141 创建Unity 环境 307142 Perception Camera 311143 逐步提高图像合成质量 325144 使用合成数据 326
展开全部

作者简介

Paris Buttfield-Addison是游戏设计师、计算研究员和法律精英。他还是游戏开发工作室Secret Lab的联合创始人。Mars Buttfield-Addison是塔斯马尼亚大学计算和机器学习研究员。Tim Nugent是移动端应用开发者、游戏设计师和计算研究员。Jon Manning是软件工程专家,精通Swift、C#和Objective-C。他同为Secret Lab的联合创始人。他开发的对话框架Yarn Spinner广泛应用于游戏开发。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航