Accueil Projets RLs
RLs
Python

RLs

Algorithmes d'apprentissage par renforcement basés sur PyTorch

par StepNeverStop · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Langue
deep-reinforcement-learninggymml-agentsApache-2.0Python
Voir sur GitHub
En termes simples

Expérimentez avec différentes méthodes d'apprentissage par renforcement pour entraîner des agents AI dans des environnements de jeu.

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 →
RLs — GitHub preview card
📈 Historique des étoiles
453452
2026-07-202026-08-31
📈 Suivez RLs

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

Algorithmes d'apprentissage par renforcement basés sur PyTorch

RLs compte 452 étoiles sur GitHub. Il a été forké 93 fois. RLs est écrit principalement en Python. Il est développé activement depuis 2019. RLs est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-reinforcement-learning, gym, ml-agents, pytorch.

Frequently asked questions

Qu'est-ce que RLs ?

Algorithmes d'apprentissage par renforcement basés sur PyTorch

RLs est-il open source ?

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

RLs est-il gratuit ?

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

Sous quelle licence est RLs ?

RLs est disponible sous licence Apache-2.0.

Dans quel langage RLs est-il écrit ?

RLs est écrit principalement en Python.

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

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=stepneverstop-rls)](https://olud.ai/project/stepneverstop-rls.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.