（一）前言：强化学习入门顺序。

        以前主要学习硬件PCB单片机等知识，后来接触的项目也大多与电气相关，从一窍不通到稍微找到点门道，中间走过不少弯路，误打误撞中，也留下了一些经验。

        我的学习顺序：在后面给出评价

（1）学习神经网络

途径：某站的编程培训机构的白嫖课程，通俗易懂，小白能看得进去。

内容：卷积概念，实现原理，激活函数，全连接；bp,cnn，bnn稍微了解一下

（2）深度学习

途径：某站的吴恩达深度学习全套视频，讲的更严谨当然也更加抽象一些，不过是真的好。

内容：梯度下降，激活函数，前向传播和反向传播，局部最优解决方法等，多了解。

这个是深度学习CNN图片特征提取过程

（3）强化学习

途径：某站的李宏毅或王树森的强化学习视频

内容：基本常识，蒙特卡洛，马尔可夫链，SARSA算法，TD算法，DQN算法等基础。

（4）python编程

 途径：莫烦python课程，可以用python在线编辑器先学着。

内容：python的基本语法，调用numpy库等，反正跟着课程走。莫烦的强化学习编程课（我没看）

 

（5）安装强化学习编程环境

途径：某站或者CSDN上就有很多教程，也可某宝直接带下安装，省事。、

内容：pycharm安装，anaconda安装，gym,numpy等常见库，记得学习这个软件怎么用。

 6）找强化学习代码

 途径：不必多说，应该都很多的，不过最恐怖的是，好多代码是不能直接拿来用或者需要代码给的不全，根本就跑不起来，所以在这里需要头疼一下，多费点心思。

 内容：用DQN等算法跑起来的python程序，提醒一下，是要基于pytorch的而不是tensorflow的，前者好像更友好一点，后者我也没接触过。找到代码之后，主要看懂代码和复现代码，这个很重要。看不懂代码就跳回去再找理论视频看，弄懂算法原理。

（二）学习感触：

       1.建议先学python,下载强化学习代码调试，再去看视频学习理论知识。因为我看强化学习和深度学习的时间有点早，导致下载代码看代码有困难，忘记算法的原理，又回去回炉重造。

       2.做强化学习（RL）或者深度强化学习(DRL)对于硬件都是有较高要求的。入门阶段可以用普通配置的笔记本电脑跑代码，若想真想投身这个领域，显卡GPU，CPU，运存之类的硬件配置一定要跟上，这时候如果课题组有前期基础，就太棒了。我的代码开始比较晚，一方面是没有完整时间，另一方面是硬件配置跟不上（自己后来更换电脑了）。

       3.看SCI二区及以上的论文，国内论文你稍微多看几篇就明白了，不必多说。一开始我是边看论文边看视频学理论知识，后来发现没啥用，因为没有跑代码，就很容易忘记。如果现在回过头来，我想说，应该先搞定强化学习入门之后，再去看论文，这样才能看明白，别人讲的啥，创新点在哪里，为什么优秀。而不是盲目从众去杠论文，因为，你没有理论基础+实操基础是真看不懂，顶多是认识了一下汉字而已，汉字背后的意思你又可能蒙蔽了。

       4.一定一定要静下心来，学习的东西比较杂比较多，不静下心来，真的很容易崩溃。

       5.可以通过写博客的方式激励自己持续学习，我也是到此刻突然明白自己为啥学起来很苦闷了。将所学的知识输出，这就是最快掌握的方式。

       在后续文章中就不讲解最最基础的知识了，因为这些最最基础的知识可以通过看视频快速学到，用文字表述反而慢半拍。