Início Projetos d3rlpy
d3rlpy
Python

d3rlpy

Uma biblioteca offline de aprendizado por reforço profundo

por takuseno · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Categoria
Linguagem
Provável
Auto-hospedável
deep-learningdeep-reinforcement-learningoffline-rlMITPythonAuto-hospedável
Ver no GitHub
Em palavras simples

Implemente algoritmos de aprendizado por reforço offline para treinar IA sem interação em tempo real.

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 →
d3rlpy — GitHub preview card
📈 Histórico de estrelas
1 6731 672
2026-07-202026-08-31
📈 Acompanhe d3rlpy

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

Uma biblioteca offline de aprendizado por reforço profundo

d3rlpy tem 1.7k estrelas no GitHub. Foi bifurcado 266 vezes. d3rlpy é escrito principalmente em Python. Está em desenvolvimento ativo desde 2020. d3rlpy está disponível sob a licença MIT. Os seus principais temas são: deep-learning, deep-reinforcement-learning, offline-rl, pytorch.

Frequently asked questions

O que é d3rlpy?

Uma biblioteca offline de aprendizado por reforço profundo

d3rlpy é de código aberto?

d3rlpy é um projeto de código aberto. É distribuído sob a licença MIT.

d3rlpy é gratuito?

Sim. d3rlpy é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está d3rlpy?

d3rlpy está disponível sob a licença MIT.

Em que linguagem d3rlpy está escrito?

d3rlpy é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — d3rlpy

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=takuseno-d3rlpy)](https://olud.ai/project/takuseno-d3rlpy.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.