Project Icon

morl-baselines

多目标强化学习算法库 支持单策略和多策略实现

MORL-Baselines是一个多目标强化学习算法库,提供多种PyTorch实现。该项目遵循MO-Gymnasium API,支持单策略和多策略算法,适用于SER和ESR标准。特点包括自动性能报告、代码规范和自动测试。实现了GPI-LS、MORL/D等多种算法,支持连续和离散观察/动作空间,为MORL研究和基准测试提供有力支持。

rl-agents - 强化学习算法集:覆盖多种环境及应用
Deep Q-NetworkGithubMonte-Carlo Tree SearchReinforcement LearningValue Iterationrl-agents开源项目
此页面介绍了多种强化学习算法的实现,如价值迭代、交叉熵方法、蒙特卡洛树搜索和深度Q网络,适用于有限MDP和连续动作空间等环境。用户可参考详细的安装和使用指南,通过命令行运行实验和基准测试,并使用Gym Monitor和Tensorboard等工具进行性能监控,非常适合优化决策和数据分析的研究者与开发者。
HandyRL - 高效实用的分布式强化学习框架
GithubHandyRLPyTorch分布式训练开源项目强化学习离线策略修正
HandyRL是一个基于Python和PyTorch的分布式强化学习框架,已在Kaggle竞赛中取得优异成绩。它采用离线策略修正的策略梯度算法和学习者-工作者架构,支持自定义环境和大规模训练。HandyRL的高并行能力和实用性使其在竞争性游戏AI开发中表现出色,能够快速训练出强大的AI模型。
uncertainty-baselines - 提供高质量的不确定性和鲁棒性标准模板
GithubTPUTensorFlowUncertainty Baselines开源项目数据集模型
Uncertainty Baselines提供高质量的不确定性和鲁棒性标准模板,作为研究人员新想法和应用的起点,促进技术交流。项目高效实施关键任务,减少对代码库其他文件的依赖,便于独立使用。建议不确定性和鲁棒性评估的最佳实践,帮助研究人员快速原型化和基准比较。支持TensorFlow开发,可在TPUs和GPUs上运行,提升实验灵活性和重复性。
benchmark - 开源基准测试集评估PyTorch性能
GithubPyTorch基准测试安装开源项目性能评估模型
PyTorch Benchmarks是评估PyTorch性能的开源基准测试集。它提供修改过的流行工作负载、标准化API和多后端支持。项目包含安装指南、多种基准测试方法和低噪声环境配置工具。支持自定义基准测试和库集成。通过夜间CI运行,持续评估PyTorch最新版本性能。
tdmpc2 - 跨领域连续控制的可扩展世界模型
GithubTD-MPC2多任务学习开源项目强化学习模型训练连续控制
TD-MPC2是一种可扩展的基于模型的强化学习算法,在104个连续控制任务中展现出色性能。该算法使用317M参数的单一模型可执行80个跨领域任务。项目提供300多个模型检查点和多任务数据集,支持状态和像素输入,为模型强化学习研究提供重要资源。
sbx - Jax加持的Stable-Baselines3强化学习库
GithubStable Baselines Jax开源项目强化学习机器学习算法实现
SBX是Stable-Baselines3的Jax实现版本,集成了SAC、TQC、PPO等多种先进强化学习算法。它与SB3保持相同API,可与RL Zoo无缝对接,并提供详细使用示例。SBX为复杂环境和任务提供高效、可靠的强化学习实现。
ML-Bench - 评测大型语言模型和代理在代码库级机器学习任务上的效果
GitHub仓库GithubML-Bench代码评估大语言模型开源项目机器学习任务
本文详细说明了如何在代码库级别评估大型语言模型和代理的表现,包括环境设置、数据准备、模型微调和API调用等内容。提供了相关脚本和工具,帮助研究者复现实验结果,适用于机器学习和模型评估领域的专业人员和研究者。
reptile-pytorch - PyTorch实现的用于监督学习的OpenAI Reptile算法
GithubMiniImagenetOmniglotOpenAIPyTorchReptile开源项目
PyTorch实现的OpenAI Reptile算法,专注于监督学习,目前支持在Omniglot数据集上运行,具备K-shot N-way采样、训练监控和中断恢复功能。欢迎对项目的贡献和反馈,未来计划支持Mini-Imagenet数据集、提升Meta-batch大小、添加训练曲线和Shell脚本下载功能。
evotorch - 基于PyTorch的高性能进化计算库
EvoTorchGithubPyTorch优化算法开源项目强化学习进化计算
EvoTorch是一个基于PyTorch的开源进化计算框架,支持黑盒优化、强化学习和监督学习等多种优化问题。它实现了PGPE、CMA-ES和遗传算法等多种进化算法,并通过GPU加速和Ray分布式计算提高优化效率。EvoTorch设计简洁易用,适合解决各类复杂优化问题,为研究人员和工程师提供了强大的工具支持。
Practical_RL - 强化学习开源课程:实用技巧与实践
GithubGoogle ColabHSEPractical_RLYSDA开源项目强化学习
Practical_RL是一个专注于强化学习实用性的开源课程,提供HSE和YSDA的课堂教学及线上学习支持,涵盖英语和俄语材料。课程从基础理论到实践应用,包括价值迭代、Q学习、深度学习、探索策略、策略梯度方法、序列模型及部分观察MDP等内容。学生可以通过GitHub改进课程,使用Google Colab或本地环境进行实践。适合希望在实际问题中应用强化学习的学生和研究者。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号