evorl
EvoRL est un cadre entièrement accéléré par GPU pour l'apprentissage par renforcement évolutif, implémenté avec JAX. Il prend en charge l'apprentissage par renforcement (RL), le calcul évolutif (EC), l'apprentissage par renforcement guidé par l'évolution (ERL), AutoRL, et une intégration transparente avec
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentEvoRL est un cadre entièrement accéléré par GPU pour l'apprentissage par renforcement évolutif, implémenté avec JAX. Il prend en charge l'apprentissage par renforcement (RL), le calcul évolutif (EC), l'apprentissage par renforcement guidé par l'évolution (ERL), AutoRL, et une intégration transparente avec
evorl compte 343 étoiles sur GitHub. Il a été forké 47 fois. evorl est écrit principalement en Python. Il est développé activement depuis 2024. evorl est disponible sous licence GPL-3.0. Ses principaux thèmes sont : automl, evolutionary-algorithms, gpu-acceleration, hpo.
Qu'est-ce que evorl ?
EvoRL est un cadre entièrement accéléré par GPU pour l'apprentissage par renforcement évolutif, implémenté avec JAX. Il prend en charge l'apprentissage par renforcement (RL), le calcul évolutif (EC), l'apprentissage par renforcement guidé par l'évolution (ERL), AutoRL, et une intégration transparente avec
evorl est-il open source ?
evorl est un projet open source. Il est distribué sous licence GPL-3.0.
evorl est-il gratuit ?
Oui. evorl est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est evorl ?
evorl est disponible sous licence GPL-3.0.
Dans quel langage evorl est-il écrit ?
evorl est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/emi-group-evorl.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.