PPO-PyTorch
Implémentation minimale de l'optimisation de politique proximal (PPO) avec objectif coupé en PyTorch
Entraînez et testez des modèles d'apprentissage par renforcement en utilisant une configuration simple en Python pour divers environnements.
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 momentImplémentation minimale de l'optimisation de politique proximal (PPO) avec objectif coupé en PyTorch
PPO-PyTorch compte 2.4k étoiles sur GitHub. Il a été forké 423 fois. PPO-PyTorch est écrit principalement en Python. Il est développé activement depuis 2018. PPO-PyTorch est disponible sous licence MIT. Ses principaux thèmes sont : deep-learning, deep-reinforcement-learning, policy-gradient, ppo.
Qu'est-ce que PPO-PyTorch ?
Implémentation minimale de l'optimisation de politique proximal (PPO) avec objectif coupé en PyTorch
PPO-PyTorch est-il open source ?
PPO-PyTorch est un projet open source. Il est distribué sous licence MIT.
PPO-PyTorch est-il gratuit ?
Oui. PPO-PyTorch est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est PPO-PyTorch ?
PPO-PyTorch est disponible sous licence MIT.
Dans quel langage PPO-PyTorch est-il écrit ?
PPO-PyTorch 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/nikhilbarhate99-ppo-pytorch.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.