Início Projetos RLzoo
RLzoo
Python

RLzoo

Um Zoológico Abrangente de Aprendizado por Reforço para Uso Simples 🚀

por tensorlayer · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Categoria
Linguagem
deep-learningdeep-reinforcement-learningmindsporeApache-2.0Python
Ver no GitHub
Em palavras simples

Explore e implemente vários algoritmos e estruturas de aprendizado por reforço facilmente.

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 →
RLzoo — GitHub preview card
📈 Histórico de estrelas
641640
2026-07-202026-08-31
📈 Acompanhe RLzoo

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

Um Zoológico Abrangente de Aprendizado por Reforço para Uso Simples 🚀

RLzoo tem 640 estrelas no GitHub. Foi bifurcado 98 vezes. RLzoo é escrito principalmente em Python. Está em desenvolvimento ativo desde 2019. RLzoo está disponível sob a licença Apache-2.0. Os seus principais temas são: deep-learning, deep-reinforcement-learning, mindspore, paddepaddle.

Frequently asked questions

O que é RLzoo?

Um Zoológico Abrangente de Aprendizado por Reforço para Uso Simples 🚀

RLzoo é de código aberto?

RLzoo é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

RLzoo é gratuito?

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

Sob que licença está RLzoo?

RLzoo está disponível sob a licença Apache-2.0.

Em que linguagem RLzoo está escrito?

RLzoo é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — RLzoo

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=tensorlayer-rlzoo)](https://olud.ai/project/tensorlayer-rlzoo.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.