TF2-RL
Algoritmi di apprendimento per rinforzo implementati per Tensorflow 2.0+ [DQN, DDPG, AE-DDPG, SAC, PPO, Primal-Dual DDPG]
Allena modelli di apprendimento per rinforzo utilizzando vari algoritmi in TensorFlow con codice di esempio.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiAlgoritmi di apprendimento per rinforzo implementati per Tensorflow 2.0+ [DQN, DDPG, AE-DDPG, SAC, PPO, Primal-Dual DDPG]
TF2-RL ha 316 stelle su GitHub. È stato forkato 66 volte. TF2-RL è scritto principalmente in Python. È in sviluppo attivo dal 2020. TF2-RL è disponibile con licenza MIT. I suoi temi principali sono: ae-ddpg, ddpg, dqn, openai-gym.
Che cos'è TF2-RL?
Algoritmi di apprendimento per rinforzo implementati per Tensorflow 2.0+ [DQN, DDPG, AE-DDPG, SAC, PPO, Primal-Dual DDPG]
TF2-RL è open source?
TF2-RL è un progetto open source. È rilasciato con licenza MIT.
TF2-RL è gratuito?
Sì. TF2-RL è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è TF2-RL?
TF2-RL è disponibile con licenza MIT.
In quale linguaggio è scritto TF2-RL?
TF2-RL è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/anita-hu-tf2-rl.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.