文件名称：jax-sac:具有连续动作空间的深度强化学习的软演员关键（SAC）的Jax（亚麻）实现
文件大小：1.35MB
文件格式：ZIP
更新时间：2024-03-31 04:32:22
reinforcement-learning deep-learning deep-reinforcement-learning gym flax
贾克斯（亚麻）柔软演员评论家 这是的Jax（Flax）实现，。 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-run -
【文件预览】：
jax-sac-main
----beautify.sh(104B)
----train.py(4KB)
----configs()
--------default.py(383B)
--------hard_update.py(179B)
----jax_rl()
--------agents()
--------evaluation.py(1KB)
--------utils.py(697B)
--------replay_buffer.py(2KB)
--------wrappers()
--------video_recorder.py(1KB)
----LICENSE(1KB)
----environment.yml(480B)
----README.md(1KB)
----learning_curves()
--------logs()
--------images()
--------plot.ipynb(1008KB)
----.gitignore(2KB)