DeepRL-Tutorials
Contiene implementazioni di alta qualità di algoritmi di Deep Reinforcement Learning scritti in PyTorch
Esplora e comprendi algoritmi di apprendimento per rinforzo profondo attraverso esempi di codice e spiegazioni facili da seguire.
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 vuoiContiene implementazioni di alta qualità di algoritmi di Deep Reinforcement Learning scritti in PyTorch
DeepRL-Tutorials ha 1.1k stelle su GitHub. È stato forkato 326 volte. DeepRL-Tutorials è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2018. I suoi temi principali sono: a2c, actor-critic, advantage-actor-critic, categorical-dqn.
Che cos'è DeepRL-Tutorials?
Contiene implementazioni di alta qualità di algoritmi di Deep Reinforcement Learning scritti in PyTorch
DeepRL-Tutorials è open source?
DeepRL-Tutorials è un progetto open source.
DeepRL-Tutorials è gratuito?
Sì. DeepRL-Tutorials è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
In quale linguaggio è scritto DeepRL-Tutorials?
DeepRL-Tutorials è scritto principalmente in Jupyter Notebook.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/qfettes-deeprl-tutorials.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.