DeepRL-Tutorials
Contient des implémentations de haute qualité d'algorithmes d'apprentissage par renforcement profond écrits en PyTorch.
Explorez et comprenez les algorithmes d'apprentissage par renforcement profond à travers des exemples de code et des explications faciles à suivre.
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 momentContient des implémentations de haute qualité d'algorithmes d'apprentissage par renforcement profond écrits en PyTorch.
DeepRL-Tutorials compte 1.1k étoiles sur GitHub. Il a été forké 325 fois. DeepRL-Tutorials est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. Ses principaux thèmes sont : a2c, actor-critic, advantage-actor-critic, categorical-dqn.
Qu'est-ce que DeepRL-Tutorials ?
Contient des implémentations de haute qualité d'algorithmes d'apprentissage par renforcement profond écrits en PyTorch.
DeepRL-Tutorials est-il open source ?
DeepRL-Tutorials est un projet open source.
DeepRL-Tutorials est-il gratuit ?
Oui. DeepRL-Tutorials est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage DeepRL-Tutorials est-il écrit ?
DeepRL-Tutorials est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/qfettes-deeprl-tutorials.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.