注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ai-traineree:用于（深度）强化学习的PyTorch代理和工具-源码

  2. 实习生 目的是建立一个深度强化学习方法的动物园，并展示它们在某些环境中的应用。 在文档中阅读更多信息： 。 为什么要另选一个？ 主要原因是执行哲学。 我们坚信，代理应该出现在环境中，而不是相反。 大多数流行的实现都将环境实例传递给代理，就像代理是焦点一样。 这可能会简化某些算法的实现，但并不代表世界。 代理想要控制环境，但这并不意味着他们可以/应该。 那，然后使用PyTorch代替Tensorflow或JAX。 快速开始 要开始培训RL代理，您需要三件事：代理，环境和跑步者。 假设您要

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：142336
    • 提供者：weixin_42174098

  1. DRL_OpenAI-CartPole-v0：OpenAI CartPole-v0基于DeepRL的解决方案-源码

  2. 基于OpenAI CartPole-v0 DeepRL的解决方案 使用深度Q网络（DQN），决斗DQN和决斗双DQN（D3QN） 软件/要求 Python IDE 皮查姆 深度学习库 Tensorflow + Keras 显卡 GeForce MX 250 口译员 Python 3.8 Python环境 水蟒 配套 requirements.txt 要设置Pycharm + Anaconda + GPU，请在查阅设置文件要导入所需的包 ，请在项目环境终端中输入以下说明： OpenAI

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：9437184
    • 提供者：weixin_42099987

  1. Cartpole-dqn-源码

  2. Cartpole-dqn

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：3072
    • 提供者：weixin_42123456

  1. tensorflow-tutorial-samples：TensorFlow2教程TensorFlow 2.0教程入门教程实战案例-源码

  2. TensorFlow 2.0教程入门教程实战案例 用最白话的语言，讲解机器学习，神经网络与深度学习样本基于TensorFlow 1.4和TensorFlow 2.0实现 相关链接 ， ， ， OpenAI体育馆 介绍了策略梯度算法（策略梯度）来玩CartPole-v0 介绍了DQN（深度Q学习）来玩MountainCar-v0游戏 Q-Table用神经网络来代替。 介绍了使用Q-Learning（创建Q-Table）来玩MountainCar-v0游戏 将连续的状态离散化。 介绍了使用纯

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：23068672
    • 提供者：weixin_42139460

  1. pytorch-rl：使用pytorch和visdom进行深度强化学习-源码

  2. 深度强化学习 火炬与视觉 训练有素的特工的样本测试（突破时使用DQN，乒乓球上使用A3C，CartPole上使用DoubleDQN，InvertedPendulum（MuJoCo）上使用连续A3C）： 在Pong上训练A3C代理时具有16个学习者过程的示例在线绘图示例： 在CartPole上训练DQN代理时的示例日志记录（我们目前使用WARNING作为日志记录级别来摆脱来自visdom的INFO打印输出）： [WARNING ] (MainProcess) [WARNING ] (Mai

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12582912
    • 提供者：weixin_42174176

  1. minimalRL：用最少的代码行实现基本的RL算法！ （基于火炬）-源码

  2. 最小RL 用最少的代码行实现基本的RL算法！ （基于PyTorch） 每种算法都在一个文件中完成。 每个文件的长度最多为100〜150行代码。 即使没有GPU，也可以在30秒内训练每种算法。 Env固定为“ CartPole-v1”。 您可以只关注实现。 演算法 （67行） （98行） （112行，包括重放内存和目标网络） （119条线，包括GAE） （145行，包括OU噪声和软目标更新） （129条线） （149条线） （188条线） （171行）已添加

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：18432
    • 提供者：weixin_42121725

  1. drqn:探索DRQN +行动先验+基于状态的专家+基于历史的熵减少专家-源码

  2. 从修改。 PyTorch CartPole示例 用pytorch编写的简单Cartpole示例。 为什么选择卡特波尔？ Cartpole是一个非常简单的问题，在许多情况下收敛速度非常快。 因此，您可以在计算机上运行此示例（也许只需要1〜2分钟）。 彩虹 DQN 双 决斗 多步骤 PER（优先体验重播） Nosiy-Net 分布的（C51） 彩虹 PG（政策梯度） 加固 演员评论家 优势演员评论家 GAE（广义优势估计） TNPG TRPO PPO-单

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：355328
    • 提供者：weixin_42176612

  1. jax-rl:使用Jax和Gym实施强化学习算法（DQN）-源码

  2. 用Jax实现的深度强化学习算法 使用Jax实施深度强化学习。 在OpenAI健身房CartPole环境中进行测试。 演算法 DQN- 具有目标网络的DQN- 用法 # Install deps pip install -r requirements.text 训练模式 # Using launch scr ipt, by default set up to run multiple seeds ./launch.sh # Using python python3 run.py --age

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：602112
    • 提供者：weixin_42126399