Startseite Projekte gdrl
gdrl
Jupyter Notebook

gdrl

Grokking Deep Reinforcement Learning

von mimoralea · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
algorithmsartificial-intelligencedeep-learningBSD-3-ClauseJupyter Notebook
Auf GitHub ansehen
In einfachen Worten

Führe Experimente mit tiefem Verstärkungslernen in einer kontrollierten Umgebung mithilfe vorkonfigurierter Softwarepakete durch.

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 →
gdrl — GitHub preview card
📈 Sternhistorie
1 0291 028
2026-07-202026-08-31
📈 gdrl verfolgen

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

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

Grokking Deep Reinforcement Learning

gdrl hat 1k Sterne auf GitHub. Es wurde 278-mal geforkt. gdrl ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2018 aktiv entwickelt. gdrl ist unter der BSD-3-Clause-Lizenz verfügbar. Die Hauptthemen sind: algorithms, artificial-intelligence, deep-learning, deep-reinforcement-learning.

Frequently asked questions

Was ist gdrl?

Grokking Deep Reinforcement Learning

Ist gdrl Open Source?

gdrl ist ein Open-Source-Projekt. Es wird unter der BSD-3-Clause-Lizenz veröffentlicht.

Ist gdrl kostenlos?

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

Unter welcher Lizenz steht gdrl?

gdrl ist unter der BSD-3-Clause-Lizenz verfügbar.

In welcher Sprache ist gdrl geschrieben?

gdrl ist hauptsächlich in Jupyter Notebook geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — gdrl

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

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

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