Home Progetti d3rlpy
d3rlpy
Python

d3rlpy

Una libreria di deep reinforcement learning offline

di takuseno · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Categoria
Lingua
Probabile
Auto-ospitato
deep-learningdeep-reinforcement-learningoffline-rlMITPythonAuto-ospitato
Visualizza su GitHub
In parole semplici

Implementa algoritmi di apprendimento per rinforzo offline per addestrare l'AI senza interazione in tempo reale.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
d3rlpy — GitHub preview card
📈 Storia delle stelle
1 6731 672
2026-07-202026-08-31
📈 Segui d3rlpy

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Una libreria di deep reinforcement learning offline

d3rlpy ha 1.7k stelle su GitHub. È stato forkato 266 volte. d3rlpy è scritto principalmente in Python. È in sviluppo attivo dal 2020. d3rlpy è disponibile con licenza MIT. I suoi temi principali sono: deep-learning, deep-reinforcement-learning, offline-rl, pytorch.

Frequently asked questions

Che cos'è d3rlpy?

Una libreria di deep reinforcement learning offline

d3rlpy è open source?

d3rlpy è un progetto open source. È rilasciato con licenza MIT.

d3rlpy è gratuito?

Sì. d3rlpy è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è d3rlpy?

d3rlpy è disponibile con licenza MIT.

In quale linguaggio è scritto d3rlpy?

d3rlpy è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — d3rlpy

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=takuseno-d3rlpy)](https://olud.ai/project/takuseno-d3rlpy.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.