Implementazione PyTorch di Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO), metodo di trust-region scalabile per l'apprendimento per rinforzo profondo utilizzando l'approssimazione Kronecker-factored (ACKTR) e Generative Adversarial Imitation Learning (GAIL).
Implementa algoritmi di apprendimento per rinforzo per addestrare modelli AI per compiti come il gioco utilizzando PyTorch.
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 vuoiImplementazione PyTorch di Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO), metodo di trust-region scalabile per l'apprendimento per rinforzo profondo utilizzando l'approssimazione Kronecker-factored (ACKTR) e Generative Adversarial Imitation Learning (GAIL).
pytorch-a2c-ppo-acktr-gail ha 3.9k stelle su GitHub. È stato forkato 841 volte. pytorch-a2c-ppo-acktr-gail è scritto principalmente in Python. È in sviluppo attivo dal 2017. pytorch-a2c-ppo-acktr-gail è disponibile con licenza MIT. I suoi temi principali sono: a2c, acktr, actor-critic, advantage-actor-critic.
Implementazione PyTorch di Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO), metodo di trust-region scalabile per l'apprendimento per rinforzo profondo utilizzando l'approssimazione Kronecker-factored (ACKTR) e Generative Adversarial Imitation Learning (GAIL).
pytorch-a2c-ppo-acktr-gail è un progetto open source. È rilasciato con licenza MIT.
Sì. pytorch-a2c-ppo-acktr-gail è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
pytorch-a2c-ppo-acktr-gail è disponibile con licenza MIT.
pytorch-a2c-ppo-acktr-gail è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/ikostrikov-pytorch-a2c-ppo-acktr-gail.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.