Início Projetos PokerRL
PokerRL
Python

PokerRL

Framework para Aprendizado Profundo por Reforço Multi-Agente em Poker

por EricSteinberger · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Categoria
Linguagem
deep-learningframeworkgym-environmentMITPython
Ver no GitHub
Em palavras simples

Construa e teste agentes de IA que jogam pôquer usando técnicas avançadas de aprendizado.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
PokerRL — GitHub preview card
📈 Histórico de estrelas
533532
2026-07-202026-08-31
📈 Acompanhe PokerRL

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Framework para Aprendizado Profundo por Reforço Multi-Agente em Poker

PokerRL tem 532 estrelas no GitHub. Foi bifurcado 105 vezes. PokerRL é escrito principalmente em Python. Está em desenvolvimento ativo desde 2019. PokerRL está disponível sob a licença MIT. Os seus principais temas são: deep-learning, framework, gym-environment, poker.

Frequently asked questions

O que é PokerRL?

Framework para Aprendizado Profundo por Reforço Multi-Agente em Poker

PokerRL é de código aberto?

PokerRL é um projeto de código aberto. É distribuído sob a licença MIT.

PokerRL é gratuito?

Sim. PokerRL é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está PokerRL?

PokerRL está disponível sob a licença MIT.

Em que linguagem PokerRL está escrito?

PokerRL é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — PokerRL

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=ericsteinberger-pokerrl)](https://olud.ai/project/ericsteinberger-pokerrl.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.