Home› Progetti› RLSeq2Seq
RLSeq2Seq
Python

RLSeq2Seq

Apprendimento Profondo per Modelli Sequenza a Sequenza

di yaserkl · GitHub
767
Stelle
160
Fork
MIT
Licenza
2018
Creato
3 yr ago
Ultimo commit
abstractive-text-summarization
Categoria
Python
Lingua
abstractive-text-summarizationactor-criticnlpMITPython
Visualizza su GitHub
In parole semplici

Implementa tecniche di deep learning per riassumere testi utilizzando metodi di apprendimento per rinforzo.

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 →
RLSeq2Seq — GitHub preview card
📈 Storia delle stelle
768767
2026-07-202026-08-31
📈 Segui RLSeq2Seq

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

Apprendimento Profondo per Modelli Sequenza a Sequenza

RLSeq2Seq ha 767 stelle su GitHub. È stato forkato 160 volte. RLSeq2Seq è scritto principalmente in Python. È in sviluppo attivo dal 2018. RLSeq2Seq è disponibile con licenza MIT. I suoi temi principali sono: abstractive-text-summarization, actor-critic, nlp, pointer-generator.

❓ Frequently asked questions

Che cos'è RLSeq2Seq?

Apprendimento Profondo per Modelli Sequenza a Sequenza

RLSeq2Seq è open source?

RLSeq2Seq è un progetto open source. È rilasciato con licenza MIT.

RLSeq2Seq è gratuito?

Sì. RLSeq2Seq è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è RLSeq2Seq?

RLSeq2Seq è disponibile con licenza MIT.

In quale linguaggio è scritto RLSeq2Seq?

RLSeq2Seq è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — RLSeq2Seq

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=yaserkl-rlseq2seq)](https://olud.ai/project/yaserkl-rlseq2seq.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
text_summurization_abstractive_methods
Multiple implementazioni per la sommariazione testuale astrattiva, utilizzando Google Colab.
★ 529 · abstractive-text-summarization
condivideabstractive-text-summarization
reaver
Reaver: Framework Modulare di Deep Reinforcement Learning. Focalizzato su StarCraft II. Support…
★ 561 · actor-critic
condivideactor-critic
drq
DrQ: Q regolarizzato dai dati
★ 422 · actor-critic
condivideactor-critic
cleanrl
Implementazione di alta qualità di algoritmi di Deep Reinforcement Learning con funzionalità ad…
★ 10.1k · a2c
Reinforcement-learning-with-tensorflow
Tutorial semplici di apprendimento per rinforzo, 莫烦Python 中文AI教学
★ 9.5k · a3c
Deep-reinforcement-learning-with-pytorch
Implementazione PyTorch di DQN, AC, ACER, A2C, A3C, PG, DDPG, TRPO, PPO, SAC, TD3 e ....
★ 4.6k · a2c
pytorch-a2c-ppo-acktr-gail
Implementazione PyTorch di Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO), me…
★ 3.9k · a2c
Deep_reinforcement_learning_Course
Implementazioni del corso gratuito Deep Reinforcement Learning con Tensorflow e PyTorch
★ 3.9k · a2c
reinforcement-learning
Esempi di apprendimento per rinforzo minimi e puliti
★ 3.7k · a3c
pytorch-a3c
Implementazione PyTorch di Asynchronous Advantage Actor Critic (A3C) da "Metodi Asincroni per l…
★ 1.3k · a3c

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