文件名称：Deep-RL:Tensorflow实现RL算法
文件大小：50KB
文件格式：ZIP
更新时间：2024-05-30 07:52:45
reinforcement-learning tensorflow Python
DeepRL Tensorflow流行的深度RL算法的模块化实现。 我的主要原则是通过不同的算法重用尽可能多的组件，并在带有原始像素输入的经典控制任务（如CartPole和Atari游戏）之间轻松切换。 实现的算法： 深度Q学习（DQN） 双重深度Q学习（DDQN） 深度Q学习+优先体验重播（DQN_PER） 双重深度Q学习+优先体验重播（DDQN_PER） 深度Q学习+一日内（DQN_InAday） 相依性 在macOS 10.13中测试 OpenAI体育馆 Tensorflow v1.2.1 Python 3.6 用法 main.py包含所有已实现算法的示例 参考
【文件预览】：
Deep-RL-master
----config()
--------pqExp_config.py(431B)
--------cnnExp_config.py(653B)
--------__init__.py(57B)
----main.py(468B)
----run_ContolGame.py(6KB)
----model()
--------PrioritizedExperienceReplay()
--------agent()
--------cnnBrain()
--------Base_Brain.py(4KB)
--------mlpBrain()
----run_AtariGame.py(5KB)
----README.md(1KB)
----utils()
--------wrap_env.py(6KB)
--------DataStorage.py(437B)
--------utils.py(7KB)
--------__init__.py(72B)