1 dépôt
Collections of implemented deep reinforcement learning algorithms for comparing agent behavior.
Distinct from RL Algorithm Benchmarking Toolkits: Focuses on providing a suite of algorithms for general RL research rather than a benchmarking toolkit for standardized tasks.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Deep RL Algorithm Suites. Refine with filters or upvote what's useful.
Ce projet est une bibliothèque d'apprentissage par renforcement PyTorch et un framework d'entraînement d'agents. Il fournit une suite d'algorithmes d'apprentissage par renforcement profond, incluant DQN, PPO et SAC, pour faciliter le développement d'agents autonomes qui optimisent leur comportement par essais et erreurs. La bibliothèque se concentre sur l'implémentation de diverses méthodes acteur-critique et d'architectures de deep learning pour la recherche sur la prise de décision autonome. Elle permet l'entraînement d'agents intelligents dans divers environnements en tirant parti des implémentations de modèles basées sur PyTorch. La base de code couvre les capacités fondamentales de l'apprentissage par renforcement, notamment l'optimisation par gradient de politique, les tampons de rejeu d'expérience et le découplage des réseaux cibles. Elle prend également en charge l'entraînement asynchrone multi-worker et l'échantillonnage de politique stochastique pour gérer la convergence des agents et l'exploration de l'environnement.
Provides a suite of deep RL implementations including DQN, PPO, and SAC for autonomous decision research.