EvoRL ist ein vollständig GPU-beschleunigtes Framework für evolutionäres verstärkendes Lernen, implementiert mit JAX. Es unterstützt verstärkendes Lernen (RL), evolutionäre Berechnung (EC), evolutionär geleitetes verstärkendes Lernen (ERL), AutoRL und nahtlose Integration mit
Führen Sie KI-Modelle aus und trainieren Sie diese, die lernen und sich mithilfe von GPU-Power weiterentwickeln.
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 abbestellbarEvoRL ist ein vollständig GPU-beschleunigtes Framework für evolutionäres verstärkendes Lernen, implementiert mit JAX. Es unterstützt verstärkendes Lernen (RL), evolutionäre Berechnung (EC), evolutionär geleitetes verstärkendes Lernen (ERL), AutoRL und nahtlose Integration mit
evorl hat 343 Sterne auf GitHub. Es wurde 47-mal geforkt. evorl ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. evorl ist unter der GPL-3.0-Lizenz verfügbar. Die Hauptthemen sind: automl, evolutionary-algorithms, gpu-acceleration, hpo.
EvoRL ist ein vollständig GPU-beschleunigtes Framework für evolutionäres verstärkendes Lernen, implementiert mit JAX. Es unterstützt verstärkendes Lernen (RL), evolutionäre Berechnung (EC), evolutionär geleitetes verstärkendes Lernen (ERL), AutoRL und nahtlose Integration mit
evorl ist ein Open-Source-Projekt. Es wird unter der GPL-3.0-Lizenz veröffentlicht.
Ja. evorl ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten. Die GPL-3.0-Lizenz ist Copyleft: Eine veränderte Version, die Sie weitergeben, muss unter derselben Lizenz bleiben.
evorl ist unter der GPL-3.0-Lizenz verfügbar.
evorl 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/emi-group-evorl.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.