文件名称：gym:用Ivy编写的完全可区分的强化学习环境
文件大小：70KB
文件格式：ZIP
更新时间：2024-04-19 14:36:30
python machine-learning reinforcement-learning deep-learning mxnet
以Ivy编写的完全可区分的强化学习环境。 内容 概述 什么是常春藤体育馆？ 通过以完全可区分的方式实施RL环境，Ivy Gym为监督学习（SL），强化学习（RL）和轨迹优化（TO）之间的交叉研究打开了大门。 具体来说，Ivy Gym提供了与OpenAI Gym不同的经典控制任务实现，以及新的Swimmer任务，该任务说明了使用Ivy创建新任务的简便性。 环境的差异性意味着可以以监督方式直接优化累积奖励，而无需进行强化学习，这是优化累积奖励的事实上的方法。 查看以获取更多信息！ 该库基于Ivy深度学习框架构建。 这意味着所有环境同时支持：Jax，Tensorflow，PyTorch，MXNet和Numpy。 图书馆家族 常春藤体育馆是常春藤图书馆家族中的一个图书馆。 还有常春藤库，用于力学，3D视觉，机器人技术和可区分的内存。 单击下面的图标，查看其各自的github页面。 快速开
【文件预览】：
gym-master
----setup.py(1KB)
----.gitignore(221B)
----Dockerfile(907B)
----conftest.py(3KB)
----requirements.txt(14B)
----ivy_gym()
--------cartpole.py(7KB)
--------pendulum.py(5KB)
--------__init__.py(234B)
--------swimmer.py(9KB)
--------README.rst(25B)
--------reacher.py(6KB)
--------mountain_car.py(6KB)
----deploy_pypi.sh(112B)
----.travis.yml(1KB)
----LICENSE(11KB)
----.github()
--------workflows()
----README.rst(13KB)
----.idea()
--------misc.xml(321B)
--------vcs.xml(180B)
--------ivy_gym.iml(461B)
--------inspectionProfiles()
--------runConfigurations()
--------modules.xml(266B)
----demos()
--------requirements.txt(47B)
--------run_through.py(1KB)
--------README.md(3KB)
--------optimization()
----docs()
--------permitted_namespaces.json(189B)
--------partial_source()
----ivy_gym_tests()
--------test_demos.py(2KB)
--------test_envs.py(931B)