Startseite Projekte PokerRL
PokerRL
Python

PokerRL

Framework für Multi-Agenten-Deep-Reinforcement-Learning im Poker

von EricSteinberger · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
deep-learningframeworkgym-environmentMITPython
Auf GitHub ansehen
In einfachen Worten

Baue und teste KI-Agenten, die Poker spielen, mit fortgeschrittenen Lerntechniken.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
PokerRL — GitHub preview card
📈 Sternhistorie
533532
2026-07-202026-08-31
📈 PokerRL verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Framework für Multi-Agenten-Deep-Reinforcement-Learning im Poker

PokerRL hat 532 Sterne auf GitHub. Es wurde 105-mal geforkt. PokerRL ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. PokerRL ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, framework, gym-environment, poker.

Frequently asked questions

Was ist PokerRL?

Framework für Multi-Agenten-Deep-Reinforcement-Learning im Poker

Ist PokerRL Open Source?

PokerRL ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist PokerRL kostenlos?

Ja. PokerRL ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht PokerRL?

PokerRL ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist PokerRL geschrieben?

PokerRL ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — PokerRL

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=ericsteinberger-pokerrl)](https://olud.ai/project/ericsteinberger-pokerrl.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.