Accueil Projets openrl
openrl
Python

openrl

Cadre unifié d'apprentissage par renforcement

par OpenRL-Lab · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
atariautodrivedistributed-reinforcement-learningApache-2.0Python
Voir sur GitHub
En termes simples

Entraînez et expérimentez avec diverses tâches d'apprentissage par renforcement en utilisant ce cadre flexible.

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 →
openrl — GitHub preview card
📈 Historique des étoiles
840839
2026-07-202026-08-31
📈 Suivez openrl

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

Cadre unifié d'apprentissage par renforcement

openrl compte 839 étoiles sur GitHub. Il a été forké 83 fois. openrl est écrit principalement en Python. Il est développé activement depuis 2023. openrl est disponible sous licence Apache-2.0. Ses principaux thèmes sont : atari, autodrive, distributed-reinforcement-learning, embodied.

Frequently asked questions

Qu'est-ce que openrl ?

Cadre unifié d'apprentissage par renforcement

openrl est-il open source ?

openrl est un projet open source. Il est distribué sous licence Apache-2.0.

openrl est-il gratuit ?

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

Sous quelle licence est openrl ?

openrl est disponible sous licence Apache-2.0.

Dans quel langage openrl est-il écrit ?

openrl est écrit principalement en Python.

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

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=openrl-lab-openrl)](https://olud.ai/project/openrl-lab-openrl.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.