vwxyzjn/cleanrl

研究フレンドリーな機能（PPO, DQN, C51, DDPG, TD3, SAC, PPG）を備えた、高品質な単一ファイルでの深層強化学習アルゴリズムの実装。

↗ GitHub で開く

スター

10,358

フォーク

1,160

言語

Python

ライセンス

NOASSERTION

最終プッシュ

5 か月前

Python python machine-learning deep-learning gym deep-reinforcement-learning pytorch reinforcement-learning atari ppo proximal-policy-optimization a2c advantage-actor-critic wandb actor-critic ale phasic-policy-gradient

関連 Intel はまだありません

このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。