Accueil Projets Deep-RL-Keras
Deep-RL-Keras
Python

Deep-RL-Keras

Implémentation Keras des algorithmes populaires de Deep RL (A3C, DDQN, DDPG, Dueling DDQN)

par germain-hug · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
a2ca3cd3qnPython
Voir sur GitHub
En termes simples

Construisez et expérimentez avec des algorithmes populaires d'apprentissage par renforcement profond en utilisant Keras pour former des modèles IA.

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 →
Deep-RL-Keras — GitHub preview card
📈 Historique des étoiles
551550
2026-07-202026-08-31
📈 Suivez Deep-RL-Keras

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

Implémentation Keras des algorithmes populaires de Deep RL (A3C, DDQN, DDPG, Dueling DDQN)

Deep-RL-Keras compte 550 étoiles sur GitHub. Il a été forké 146 fois. Deep-RL-Keras est écrit principalement en Python. Il est développé activement depuis 2018. Ses principaux thèmes sont : a2c, a3c, d3qn, ddpg.

Frequently asked questions

Qu'est-ce que Deep-RL-Keras ?

Implémentation Keras des algorithmes populaires de Deep RL (A3C, DDQN, DDPG, Dueling DDQN)

Deep-RL-Keras est-il open source ?

Deep-RL-Keras est un projet open source.

Deep-RL-Keras est-il gratuit ?

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

Dans quel langage Deep-RL-Keras est-il écrit ?

Deep-RL-Keras est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — Deep-RL-Keras

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=germain-hug-deep-rl-keras)](https://olud.ai/project/germain-hug-deep-rl-keras.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

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