文件名称：DeepRL:PyTorch中的深度RL算法的模块化实现
文件大小：819KB
文件格式：ZIP
更新时间：2024-06-13 17:20:09
deep-reinforcement-learning rainbow pytorch dqn ddpg
DeepRL 如果您有任何疑问或想要报告错误，请打开一个问题，而不是直接通过电子邮件发送给我。 PyTorch中流行的深度RL算法的模块化实现。 在玩具任务和具有挑战性的游戏之间轻松切换。 实现的算法： （双重/决斗/优先）深度Q学习（DQN） 分类DQN（C51） 分位数回归DQN（QR-DQN） （连续/离散）同步优势演员评论家（A2C） 同步N步Q学习（N步DQN） 深度确定性策略梯度（DDPG） 近端政策优化（PPO） 选择关键体系结构（OC） 孪生延迟DDPG（TD3） DQN代理以及C51和QR-DQN具有用于生成数据的异步角色和用于将数据传输到GPU的异步重播缓冲区。 使用1个RTX 2080 Ti和3个线程，DQN代理可以在6小时内运行10M步（40M帧，更新2.5M梯度）以实现Breakout。 相依性 PyTorch v1.5.1 有关更多详
【文件预览】：
DeepRL-master
----setup.py(650B)
----docker_python.sh(227B)
----.gitignore(1KB)
----Dockerfile(2KB)
----images()
--------Breakout.png(72KB)
--------PPO.png(311KB)
--------mujoco_eval.png(407KB)
----requirements.txt(204B)
----docker_stop.sh(313B)
----LICENSE(1KB)
----examples.py(22KB)
----deep_rl()
--------component()
--------__init__.py(89B)
--------utils()
--------network()
--------agent()
----template_jobs.py(3KB)
----docker_clean.sh(43B)
----README.md(6KB)
----docker_shell.sh(164B)
----template_plot.py(3KB)
----docker_batch.sh(634B)
----docker_build.sh(72B)