Startseite Projekte keras-rl
keras-rl

keras-rl

von keras-rl · GitHub

Deep Reinforcement Learning für Keras.

Auf GitHub ansehen
In einfachen Worten

Experimentieren Sie mit fortgeschrittenen AI-Lerntechniken mit Keras und bewerten Sie verschiedene Algorithmen einfach.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
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 →
keras-rl — GitHub preview card
📈 Sternhistorie
5 5495 548
2026-07-042026-07-29
📈 keras-rl verfolgen

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

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

Deep Reinforcement Learning für Keras.

keras-rl hat 5.5k Sterne auf GitHub. Es wurde 1.3k-mal geforkt. keras-rl ist hauptsächlich in Python geschrieben. Es wird seit 2016 aktiv entwickelt. keras-rl ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: keras, machine-learning, neural-networks, reinforcement-learning.

Frequently asked questions

Was ist keras-rl?

Deep Reinforcement Learning für Keras.

Ist keras-rl Open Source?

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

Ist keras-rl kostenlos?

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

Unter welcher Lizenz steht keras-rl?

keras-rl ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist keras-rl geschrieben?

keras-rl ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — keras-rl

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=keras-rl-keras-rl)](https://opensourceai.tech/project/keras-rl-keras-rl.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

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