🏛️ Eine forschungsfreundliche Codebasis für schnelle Experimente mit Einzel-Agenten-Verstärkungslernen in JAX • End-to-End JAX RL
Experimentieren Sie schnell mit Algorithmen für verstärkendes Lernen mithilfe von JAX für Einzelagentenszenarien.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbar🏛️ Eine forschungsfreundliche Codebasis für schnelle Experimente mit Einzel-Agenten-Verstärkungslernen in JAX • End-to-End JAX RL
Stoix hat 415 Sterne auf GitHub. Es wurde 48-mal geforkt. Stoix ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. Stoix ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: anakin, deep-reinforcement-learning, distributed-reinforcement-learning, end-to-end.
🏛️ Eine forschungsfreundliche Codebasis für schnelle Experimente mit Einzel-Agenten-Verstärkungslernen in JAX • End-to-End JAX RL
Stoix ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ja. Stoix ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Stoix ist unter der Apache-2.0-Lizenz verfügbar.
Stoix ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/edantoledo-stoix.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.