proximal-policy-optimization
Dépôts open source suivis étiquetés proximal-policy-optimization, triés par étoiles.
Sujets associés
Sujets qui apparaissent souvent aux côtés de proximal-policy-optimization sur un même dépôt.
Ascensions récentes
Dépôts créés au cours des 90 derniers jours et étiquetés proximal-policy-optimization.
Aucun nouveau dépôt étiqueté avec ce sujet au cours des 90 derniers jours.
- #1
Implémentation haute qualité en fichier unique d'algorithmes d'apprentissage par renforcement profond avec des fonctionnalités adaptées à la recherche (PPO, DQN, C51, DDPG, TD3, SAC, PPG).
★ 10 358+19Évolution des étoiles sur les 7 derniers jours - #2
Un framework d'apprentissage par renforcement agentique simple, évolutif et performant basé sur Ray (PPO, DAPO, REINFORCE++, VLM, TIS, vLLM, Ray et RL asynchrone)
★ 9 969+9Évolution des étoiles sur les 7 derniers jours - #3
Tutoriels simples d'apprentissage par renforcement, enseignement de l'IA en chinois par MorvanPython
★ 9 508-2Évolution des étoiles sur les 7 derniers jours - #4
Implémentation minimale de l'algorithme PPO (Proximal Policy Optimization) avec objectif écrêté en PyTorch
★ 2 381+6Évolution des étoiles sur les 7 derniers jours - #5
Ce dépôt contient la plupart des implémentations PyTorch des algorithmes classiques d'apprentissage par renforcement profond, notamment : DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (D'autres algorithmes sont en cours de développement)
★ 697+1Évolution des étoiles sur les 7 derniers jours - #6
Une bibliothèque PyTorch pour la construction d'agents d'apprentissage profond par renforcement.
★ 657+0Évolution des étoiles sur les 7 derniers jours - #7
Apprentissage par renforcement profond (PPO) dans la conduite autonome (Carla) [depuis zéro]
★ 563-1Évolution des étoiles sur les 7 derniers jours
