文件名称：jax-rl:具有连续动作空间的深度强化学习算法的Jax（亚麻）实现
文件大小：1.28MB
文件格式：ZIP
更新时间：2024-04-15 05:32:58
reinforcement-learning deep-learning deep-reinforcement-learning gym flax
杰克斯（亚麻）RL 这是强化学习算法的Jax（亚麻）实现： 行为克隆 该存储库的目标是提供一个简单而干净的实现，以在此基础上进行研究。 请不要将此存储库用于基线结果，而应使用SAC的原始实现。 安装 安装并激活Anaconda环境 conda env create -f environment.yml conda activate jax-sac 如果要在GPU上运行此代码，请按照说明进行操作。 请按照使用快速的无头GPU渲染构建mujoco-py。 跑 OpenAI Gym MuJoCo任务 python train.py --env_name=HalfCheetah-v2 --save_dir=./tmp/ DeepMind控制套件（--env-name = dmc-domain-task） python train.py --env_name=dmc-cheetah-ru
【文件预览】：
jax-rl-main
----beautify.sh(104B)
----train.py(4KB)
----train_finetuning.py(5KB)
----configs()
--------bc_default.py(190B)
--------sac_default.py(440B)
--------hard_update.py(183B)
--------awac_default.py(408B)
----jax_rl()
--------agents()
--------evaluation.py(614B)
--------utils.py(920B)
--------datasets()
--------wrappers()
--------networks()
----LICENSE(1KB)
----environment.yml(492B)
----README.md(2KB)
----learning_curves()
--------logs()
--------images()
--------plot.ipynb(1008KB)
----train_offline.py(3KB)
----.gitignore(2KB)