Accueil Projets autonomous-learning-library
autonomous-learning-library
Python

autonomous-learning-library

Une bibliothèque PyTorch pour construire des agents d'apprentissage par renforcement profond.

par cpnota · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
a2cadvantage-actor-criticddpgMITPython
Voir sur GitHub
En termes simples

Construisez et testez des agents intelligents qui apprennent de leur environnement en utilisant l'apprentissage par renforcement.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
autonomous-learning-library — GitHub preview card
📈 Historique des étoiles
656655
2026-07-202026-08-31
📈 Suivez autonomous-learning-library

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Une bibliothèque PyTorch pour construire des agents d'apprentissage par renforcement profond.

autonomous-learning-library compte 655 étoiles sur GitHub. Il a été forké 72 fois. autonomous-learning-library est écrit principalement en Python. Il est développé activement depuis 2018. autonomous-learning-library est disponible sous licence MIT. Ses principaux thèmes sont : a2c, advantage-actor-critic, ddpg, deep-deterministic-policy-gradient.

Frequently asked questions

Qu'est-ce que autonomous-learning-library ?

Une bibliothèque PyTorch pour construire des agents d'apprentissage par renforcement profond.

autonomous-learning-library est-il open source ?

autonomous-learning-library est un projet open source. Il est distribué sous licence MIT.

autonomous-learning-library est-il gratuit ?

Oui. autonomous-learning-library est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est autonomous-learning-library ?

autonomous-learning-library est disponible sous licence MIT.

Dans quel langage autonomous-learning-library est-il écrit ?

autonomous-learning-library est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — autonomous-learning-library

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=cpnota-autonomous-learning-library)](https://olud.ai/project/cpnota-autonomous-learning-library.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
pytorch-ddpg-naf
Implémentation d'algorithmes pour le contrôle continu (DDPG et NAF).
313 · ddpg
partagedeep-deterministic-policy-gradientddpg
DeepRL-TensorFlow2
🐋 Implémentations simples de divers algorithmes populaires d'apprentissage par renforcement pro…
600 · a2c
partagea2cddpg
pytorch-a2c-ppo-acktr-gail
Implémentation PyTorch de l'Advantage Actor Critic (A2C), de l'Optimisation de Politique Proxim…
3.9k · a2c
partageadvantage-actor-critica2c
DeepRL-Tutorials
Contient des implémentations de haute qualité d'algorithmes d'apprentissage par renforcement pr…
1.1k · a2c
partageadvantage-actor-critica2c
pytorch-DRL
Implémentations PyTorch de divers algorithmes d'apprentissage par renforcement profond (DRL) po…
617 · a2c
partageadvantage-actor-critica2c
cleanrl
Implémentation de haute qualité d'algorithmes d'apprentissage par renforcement profond avec des…
10.1k · a2c
partageadvantage-actor-critica2c
RLcycle
A library for ready-made reinforcement learning agents and reusable components for neat prototy…
302 · a2c
partagea2cddpg
UAV-DDPG
Code pour l'article "Optimisation du déchargement de calcul pour l'informatique en périphérie m…
717 · actor-critic-algorithm
partagedeep-deterministic-policy-gradientddpg
xuance
XuanCe : Une bibliothèque complète et unifiée d'apprentissage par renforcement profond.
1.1k · a2c
partagea2cddpg
minimalRL
Mises en œuvre d'algorithmes RL de base avec un minimum de lignes de code ! (basé sur pytorch)
3.2k · a2c
partagea2cddpg

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.