stable-baselines3-contrib

stable-baselines3-contrib

实验性强化学习算法和工具

提供最新的实验性强化学习算法和工具,保持稳定基线风格和文档,适用于更广泛的实际应用需求。包括增强随机搜索(ARS)和量化回归DQN(QR-DQN)等算法,以及适用于Gym环境的包装器。适合需要超越主存储库限制且仍需高可靠性的用户。

Stable-Baselines3rl算法sb3-contrib文档Gym WrappersGithub开源项目

Stable-Baselines3 - Contrib 项目介绍

Stable-Baselines3-Contrib(简称SB3-Contrib)是针对Stable-Baselines3的实验性强化学习代码的贡献包。在这个项目中,实验性的强化学习算法和工具被集成,以保持Stable-Baselines3的简单性、良好的文档和风格,同时为较不成熟的实现提供支持。

项目背景

多年来,Stable-Baselines及其后续版本Stable-Baselines3的社区成员一直希望参与进来,提供更好的日志工具、环境包装器、扩展支持(如不同的操作空间)以及学习算法。然而,这些工具有时过于小众,难以整合到现有代码中而不会产生混乱。为了满足这部分需求,SB3-Contrib项目应运而生。它允许开发者在不严格要求代码整洁的前提下进行贡献。几乎所有有用的功能都被接纳,目的是在主仓库的相对较小的工具范围之外,继续提供一如既往可靠的实现。

项目特色

SB3-Contrib包括多个实验性的强化学习算法和Gym环境包装器:

强化学习算法

  • 增强随机搜索 (ARS):一种用于决策过程的优化算法。
  • 分位数回归DQN (QR-DQN):用于强化学习环境中的深度强化学习方法。
  • 带非法动作屏蔽的PPO (MaskablePPO):通过屏蔽非法操作来增强训练效果。
  • 带有循环策略的PPO (RecurrentPPO 又名 PPO LSTM):结合LSTM的增强型PPO算法。
  • 截断分位数评论者 (TQC):通过裁剪评论者分布优化策略。
  • 信任域策略优化 (TRPO):用于提高策略优化可靠性的一种算法。
  • 深度强化学习中的批标准化 (CrossQ):一种用于优化强化学习模型训练的技术。

Gym包装器

  • 时间特征包装器:用于在强化学习模型训练中加入时间特征。

安装指南

用户可以通过以下命令使用pip来安装该项目:

pip install sb3-contrib

建议使用Stable Baselines3的最新版本,安装命令如下:

pip install git+https://github.com/DLR-RM/stable-baselines3

若需要安装SB3-Contrib的最新版本:

pip install git+https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

如何参与贡献

如果有兴趣参与贡献,请先阅读项目中的贡献指南CONTRIBUTING.md

项目引用

如果需要在出版物中引用该库,请直接引用SB3:

@article{stable-baselines3, author = {Antonin Raffin and Ashley Hill and Adam Gleave and Anssi Kanervisto and Maximilian Ernestus and Noah Dormann}, title = {Stable-Baselines3: Reliable Reinforcement Learning Implementations}, journal = {Journal of Machine Learning Research}, year = {2021}, volume = {22}, number = {268}, pages = {1-8}, url = {http://jmlr.org/papers/v22/20-1364.html} }

通过以上信息,用户可以深入了解SB3-Contrib项目的背景、功能和如何贡献自己的力量。这个项目为前沿的实验性强化学习研究提供了一个良好的平台。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多