Accueil Projets PokerRL
PokerRL
Python

PokerRL

Framework pour l'apprentissage par renforcement profond multi-agent dans le poker

par EricSteinberger · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
deep-learningframeworkgym-environmentMITPython
Voir sur GitHub
En termes simples

Construisez et testez des agents AI qui jouent au poker en utilisant des techniques d'apprentissage avancées.

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 →
PokerRL — GitHub preview card
📈 Historique des étoiles
533532
2026-07-202026-08-31
📈 Suivez PokerRL

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

Framework pour l'apprentissage par renforcement profond multi-agent dans le poker

PokerRL compte 532 étoiles sur GitHub. Il a été forké 105 fois. PokerRL est écrit principalement en Python. Il est développé activement depuis 2019. PokerRL est disponible sous licence MIT. Ses principaux thèmes sont : deep-learning, framework, gym-environment, poker.

Frequently asked questions

Qu'est-ce que PokerRL ?

Framework pour l'apprentissage par renforcement profond multi-agent dans le poker

PokerRL est-il open source ?

PokerRL est un projet open source. Il est distribué sous licence MIT.

PokerRL est-il gratuit ?

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

Sous quelle licence est PokerRL ?

PokerRL est disponible sous licence MIT.

Dans quel langage PokerRL est-il écrit ?

PokerRL est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — PokerRL

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=ericsteinberger-pokerrl)](https://olud.ai/project/ericsteinberger-pokerrl.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
DouZero
[ICML 2021] DouZero : Maîtriser DouDizhu avec l'apprentissage par renforcement profond en auto-…
4.6k · doudizhu
partagepoker
obstacle-tower-env
Environnement Obstacle Tower
545 · deep-learning
partagegym-environment
Gym-Trading-Env
Un environnement Gymnasium simple, facile et personnalisable pour le trading.
495 · environment
partagegym-environment
MuJoCo_RL_UR5
Un environnement MuJoCo/Gym pour le contrôle de robots utilisant l'apprentissage par renforceme…
682 · computer-vision
partagegym-environment
VectorizedMultiAgentSimulator
VMAS est un simulateur différentiable vectorisé conçu pour un benchmarking efficace de l'appren…
588 · gym
partagegym-environment
rex-gym
Environnements OpenAI Gym pour un robot quadrupède open-source (SpotMicro)
1.1k · artificial-intelligence
partagegym-environment
Hierarchical-Actor-Critic-HAC-PyTorch
Implémentation PyTorch de l'Actor Critic Hiérarchique (HAC) pour les environnements OpenAI gym
337 · actor-critic
partagegym-environment
ns3-gym
ns3-gym - Le terrain de jeu pour l'apprentissage par renforcement dans la recherche en réseau
689 · gym-environment
partagegym-environment
David-Silver-Reinforcement-learning
Notes pour le cours d'apprentissage par renforcement de David Silver ainsi que l'implémentation…
867 · artificial-intelligence
partagegym-environment
spot_mini_mini
Modulation de démarche dynamique et aléatoire de domaine avec des courbes de Bézier pour la loc…
932 · control
partagegym-environment

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