Accueil Projets deeptraffic
deeptraffic
JavaScript

deeptraffic

DeepTraffic est une compétition d'apprentissage par renforcement profond, faisant partie de la série d'apprentissage profond MIT.

par lexfridman · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
convnetjsdeep-learningdeep-reinforcement-learningMITJavaScript
Voir sur GitHub
En termes simples

Créez un réseau neuronal qui conduit un véhicule à travers la circulation dans le cadre d'une compétition pour tester vos compétences en apprentissage profond.

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 →
deeptraffic — GitHub preview card
📈 Historique des étoiles
1 7961 795
2026-07-202026-08-31
📈 Suivez deeptraffic

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

DeepTraffic est une compétition d'apprentissage par renforcement profond, faisant partie de la série d'apprentissage profond MIT.

deeptraffic compte 1.8k étoiles sur GitHub. Il a été forké 279 fois. deeptraffic est écrit principalement en JavaScript. Il est développé activement depuis 2018. deeptraffic est disponible sous licence MIT. Ses principaux thèmes sont : convnetjs, deep-learning, deep-reinforcement-learning, deep-rl.

Frequently asked questions

Qu'est-ce que deeptraffic ?

DeepTraffic est une compétition d'apprentissage par renforcement profond, faisant partie de la série d'apprentissage profond MIT.

deeptraffic est-il open source ?

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

deeptraffic est-il gratuit ?

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

Sous quelle licence est deeptraffic ?

deeptraffic est disponible sous licence MIT.

Dans quel langage deeptraffic est-il écrit ?

deeptraffic est écrit principalement en JavaScript.

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

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=lexfridman-deeptraffic)](https://olud.ai/project/lexfridman-deeptraffic.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
awesome-deep-rl
Une liste soigneusement sélectionnée de ressources incroyables en apprentissage par renforcemen…
896 · awesome-list
partagedeep-rldeep-reinforcement-learning
Object-Goal-Navigation
Code Pytorch pour l'article NeurIPS-20 "Navigation d'objectif d'objet utilisant l'exploration s…
458 · deep-learning
partagedeep-rldeep-reinforcement-learning
Neural-SLAM
Code Pytorch pour le papier ICLR-20 "Apprendre à explorer en utilisant Active Neural SLAM"
852 · active-neural-slam
partagedeep-rldeep-reinforcement-learning
Rainbow
Rainbow : Combinaison d'améliorations en apprentissage par renforcement profond
1.7k · deep-learning
partagedeep-reinforcement-learning
hands-on-rl
Cours gratuit qui vous emmène de zéro à PRO en apprentissage par renforcement 🦸🏻‍🦸🏽
1.6k · deep-reinforcement-learning
partagedeep-reinforcement-learning
deeplearning-guide
Un guide évolutif pour apprendre l'apprentissage profond efficacement.
713 · computer-vision
partagedeep-reinforcement-learning
PyGame-Learning-Environment
Environnement d'apprentissage PyGame (PLE) -- Environnement d'apprentissage par renforcement en…
1.1k · agent
partagedeep-reinforcement-learning
DeepLearningFlappyBird
Hack Flappy Bird utilisant l'apprentissage par renforcement profond (Deep Q-learning).
6.8k · deep-learning
partagedeep-reinforcement-learning
drl-zh
Apprentissage par renforcement profond : De zéro à héros !
2.3k · deep-learning
partagedeep-reinforcement-learning
reward-learning-rl
[RSS 2019] Apprentissage par renforcement robotique de bout en bout sans ingénierie de récompen…
374 · deep-learning
partagedeep-reinforcement-learning

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