文件名称：Deep-rl-mxnet:深度强化学习论文的Mxnet实施，例如DQN，PG，DDPG，PPO
文件大小：340KB
文件格式：ZIP
更新时间：2024-05-22 13:33:21
mxnet deep-reinforcement-learning dqn policy-gradient reinforcement-learning-algorithms
Deep-rl-mxnet Mxnet实施“深度强化学习”论文。 现在，该存储库包含： DQN Double DQN 决斗DQN 政策梯度 深度确定性策略梯度 （详细实现） :star: 近端政策优化 TD3 [代码] （非常详细的实现） :star: :star: Actor-Critic方法中的地址函数逼近误差 A2C [代码] 深度强化学习的异步方法 安装 $ git clone https://github.com/ZhengXinyue/Deep-rl-mxnet $ cd Deep-rl-mxnet 创建并激活虚拟环境，然后安装依赖项： 与venv / virtualenv +点： $ python -m venv env # use `virtualenv env` for Python2, use `python3 ...` for Python3 on Linux & macOS
【文件预览】：
Deep-rl-mxnet-master
----Policy_Gradient()
--------Policy-Gradient-CartPole-v0.png(40KB)
--------Policy_Gradient.py(4KB)
----PPO()
--------PPO_discrete.py(8KB)
--------PPO_continuous.py(0B)
--------PPO-CartPole-v0.png(46KB)
----DDPG()
--------DDPG_Pendulum_v0.py(9KB)
--------DDPG-Pendulum-v0.png(46KB)
----utils.py(1KB)
----Dueling_DQN()
--------Dueling-DQN-CartPole-v0.png(35KB)
--------Dueling_DQN.py(7KB)
----requirements.txt(1KB)
----A2C()
--------A2C_CartPole_v0.png(41KB)
--------A2C.py(5KB)
----TD3()
--------TD3_LunarLander_v2.py(11KB)
--------TD3-LunarLanderContinuous-v2.png(54KB)
----Nature_DQN()
--------DQN-CartPole-v0.png(36KB)
--------Nature_DQN.py(6KB)
----README.md(4KB)
----Double_DQN()
--------Double_DQN.py(6KB)
--------Double-DQN-CartPole-v0.png(38KB)
----.gitignore(881B)