Inicio Proyectos HandyRL
HandyRL

HandyRL

por DeNA · GitHub

HandyRL es un marco práctico y simple basado en Python y PyTorch para aprendizaje por refuerzo distribuido que es aplicable a tus propios entornos.

Ver en GitHub
⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Licencia no especificada
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
HandyRL — GitHub preview card
📈 Historial de estrellas
308304
2026-07-202026-07-29
📈 Sigue HandyRL

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

HandyRL es un marco práctico y simple basado en Python y PyTorch para aprendizaje por refuerzo distribuido que es aplicable a tus propios entornos.

HandyRL tiene 308 estrellas en GitHub. Se ha bifurcado 45 veces. HandyRL está escrito principalmente en Python. Se desarrolla activamente desde 2020. Sus temas principales son: deep-learning, distributed-training, games, machine-learning.

Frequently asked questions

¿Qué es HandyRL?

HandyRL es un marco práctico y simple basado en Python y PyTorch para aprendizaje por refuerzo distribuido que es aplicable a tus propios entornos.

¿HandyRL es de código abierto?

HandyRL es un proyecto de código abierto.

¿HandyRL es gratis?

Sí. HandyRL es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito HandyRL?

HandyRL está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — HandyRL

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=dena-handyrl)](https://opensourceai.tech/project/dena-handyrl.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.