Início Projetos Popular-RL-Algorithms
Popular-RL-Algorithms
Jupyter Notebook

Popular-RL-Algorithms

Implementação em PyTorch de Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

por quantumiracle · GitHub
Estrelas
Forks
Licença
Criado
Último commit
reinforcement-learningsoft-actor-criticstate-of-the-artApache-2.0Jupyter Notebook
Ver no GitHub
Em palavras simples

Execute e teste vários algoritmos avançados de aprendizado de IA em ambientes simulados.

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 →
Popular-RL-Algorithms — GitHub preview card
📈 Histórico de estrelas
1 3541 353
2026-07-202026-08-31
📈 Acompanhe Popular-RL-Algorithms

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

Implementação em PyTorch de Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

Popular-RL-Algorithms tem 1.4k estrelas no GitHub. Foi bifurcado 149 vezes. Popular-RL-Algorithms é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2019. Popular-RL-Algorithms está disponível sob a licença Apache-2.0. Os seus principais temas são: reinforcement-learning, soft-actor-critic, state-of-the-art.

Frequently asked questions

O que é Popular-RL-Algorithms?

Implementação em PyTorch de Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

Popular-RL-Algorithms é de código aberto?

Popular-RL-Algorithms é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

Popular-RL-Algorithms é gratuito?

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

Sob que licença está Popular-RL-Algorithms?

Popular-RL-Algorithms está disponível sob a licença Apache-2.0.

Em que linguagem Popular-RL-Algorithms está escrito?

Popular-RL-Algorithms é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — Popular-RL-Algorithms

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=quantumiracle-popular-rl-algorithms)](https://olud.ai/project/quantumiracle-popular-rl-algorithms.html)
Mais opções de badge →
🧬 Partilha ADN com
tmrl
Aprendizado por Reforço para aplicações em tempo real
725 · pytorch
partilhasoft-actor-criticreinforcement-learning
PufferLib
Aumentando o aprendizado por reforço
6.2k · reinforcement-learning
partilhareinforcement-learning
sample-factory
Aprendizado por reforço síncrono e assíncrono de alto rendimento
1k · reinforcement-learning
partilhareinforcement-learning
hok_env
Honor of Kings AI Open Environment da Tencent
885 · reinforcement-learning
partilhareinforcement-learning
Deep-Learning-Roadmap
:satellite: Recursos Organizados para Pesquisadores e Desenvolvedores de Aprendizado Profundo
3.2k · deep-learning
partilhareinforcement-learning
baby-steps-of-rl-ja
Aprendendo Aprendizado por Reforço com Python - do básico à prática - Código de exemplo
453 · machine-learning
partilhareinforcement-learning
reinforcement-learning-an-introduction
Soluções para exercícios em Aprendizado por Reforço: Uma Introdução (2ª Edição).
412 · python
partilhareinforcement-learning
reinforcement-learning-an-introduction
Implementação em Python de Aprendizado por Reforço: Uma Introdução
14.7k · artificial-intelligence
partilhareinforcement-learning
GOPS
General Optimal control Problem Solver (GOPS), an easy-to-use PyTorch reinforcement learning so…
304 · pytorch
partilhareinforcement-learning
FlashSAC
FlashSAC: Aprendizado por Reforço Rápido e Estável Off-Policy para Controle de Robôs de Alta Di…
334 · reinforcement-learning
partilhareinforcement-learning

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