Saltar al contenido principal
buildradar
Sign in
Tema · a2c

a2c

Repositorios de código abierto monitorizados etiquetados con a2c, ordenados por estrellas.

Repositorios
9
Estrellas totales
33.649
Estrellas de media
3739
Proporción
0,00%

Temas que aparecen con frecuencia junto a a2c en un mismo repositorio.

Emergentes recientes

Repositorios creados en los últimos 90 días, etiquetados con a2c.

No hay repositorios nuevos con este tema en los últimos 90 días.

  • tianshou@thu-ml

    Una elegante librería de aprendizaje por refuerzo profundo en PyTorch.

    10.955+10Variación de estrellas de los últimos 7 días
  • cleanrl@vwxyzjn

    Implementación de archivo único de alta calidad de algoritmos de aprendizaje por refuerzo profundo con características amigables para la investigación (PPO, DQN, C51, DDPG, TD3, SAC, PPG)

    10.358+19Variación de estrellas de los últimos 7 días
  • ElegantRL@AI4Finance-Foundation

    Aprendizaje por refuerzo profundo masivamente paralelo. 🔥

    4359+2Variación de estrellas de los últimos 7 días
  • DeepRL@ShangtongZhang

    Implementación modularizada de algoritmos de RL profundo en PyTorch

    3452+3Variación de estrellas de los últimos 7 días
  • SLM-Lab@kengz

    Framework modular de aprendizaje por refuerzo profundo en PyTorch. Biblioteca complementaria del libro "Foundations of Deep Reinforcement Learning"

    1362+0Variación de estrellas de los últimos 7 días
  • xuance@agi-brain

    XuanCe: Una biblioteca de aprendizaje por refuerzo profundo integral y unificada.

    1083+2Variación de estrellas de los últimos 7 días
  • rl-starter-files@lcswillems

    Archivos de inicio de RL para entrenar, visualizar y evaluar inmediatamente un agente sin escribir ninguna línea de código

    728+0Variación de estrellas de los últimos 7 días
  • Este repositorio contiene la mayoría de las implementaciones en PyTorch basadas en algoritmos clásicos de aprendizaje por refuerzo profundo, incluyendo DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO y TRPO. (Más algoritmos en desarrollo)

    697+1Variación de estrellas de los últimos 7 días
  • Una biblioteca de PyTorch para crear agentes de aprendizaje por refuerzo profundo.

    657+0Variación de estrellas de los últimos 7 días
← Volver a temas