文件名称：deer:DEEp强化学习框架
文件大小：759KB
文件格式：ZIP
更新时间：2024-06-01 11:20:41
deep-reinforcement-learning q-learning policy-gradient Python
鹿 DeeR是用于深度加固的python库。 它在构建时考虑了模块化，因此可以轻松地适应任何需求。 它提供了许多开箱即用的功能，例如双重Q学习，优先级体验重播，深度确定性策略梯度（DDPG），通过抽象表示的组合强化（CRAR）。 还提供了许多不同的环境示例（其中一些使用OpenAI Gym）。 依存关系 该框架经过测试可在Python 3.6下工作。 所需的依赖项为NumPy> = 1.10，joblib> = 0.9。 您还需要Keras> = 2.1。 为了运行示例，需要Matplotlib> = 1.1.1。 为了运行atari游戏环境，您需要安装ALE> = 0.4。 完整文件 该文档位于： :
【文件预览】：
deer-master
----MANIFEST.in(101B)
----.travis.yml(673B)
----README.rst(1KB)
----.coveragerc(0B)
----docs()
--------conf.py(10KB)
--------user()
--------Makefile(7KB)
--------index.rst(3KB)
--------modules()
----requirements-docs.txt(21B)
----LICENSE(2KB)
----requirements.txt(71B)
----ci_scripts()
--------success.sh(537B)
--------test.sh(718B)
--------install.sh(2KB)
----examples()
--------gym()
--------toy_env()
--------maze()
--------test_CRAR()
--------ALE()
--------MG_two_storages()
----setup.py(1KB)
----.gitignore(128B)
----deer()
--------agent.py(38KB)
--------experiment()
--------tests()
--------default_parser.py(6KB)
--------__init__.py(0B)
--------learning_algos()
--------base_classes()
--------policies()
--------helper()
----readthedocs.yml(569B)