#DQN
dopamine
Dopamine是一个用于快速原型设计强化学习算法的研究框架,旨在便于用户进行自由实验。其设计原则包括易于实验、灵活开发、紧凑可靠和结果可重复。支持的算法有DQN、C51、Rainbow、IQN和SAC,主要实现于jax。Dopamine提供了Docker容器及源码安装方法,适用于Atari和Mujoco环境,并推荐使用虚拟环境。更多信息请参阅官方文档。
DeepRL
DeepRL项目使用PyTorch实现了一系列流行的深度强化学习算法,提供模块化框架,适用于从简单任务到高难度游戏。支持的算法包括DQN、C51、QR-DQN、A2C、DDPG、PPO等,并具备异步数据生成和传输功能。项目依赖PyTorch v1.5.1,具体依赖请参考Dockerfile和requirements.txt。此外,项目提供代码示例和性能曲线图,适合相关研究参考和使用。
Deep-reinforcement-learning-with-pytorch
本项目提供经典和前沿的深度强化学习算法PyTorch实现,包括DQN、DDPG、PPO等。项目持续更新并维护,适用于Anaconda虚拟环境管理。详细的安装步骤和测试方法确保用户能顺利运行代码,文档中还提供了相关论文和代码链接,便于深入学习研究。
rainbow-is-all-you-need
本教程详细介绍了从DQN到Rainbow的深度强化学习方法,包含理论背景和面向对象的实现。每章节都可以在Colab上直接运行,适合快速学习。涵盖DQN、DoubleDQN、优先经验回放、对抗网络、噪声网络、分布式DQN和N步学习等多个主题,欢迎贡献改进建议或代码。
cartpole
该项目展示了如何在OpenAI的Cartpole任务中应用DQN(深度Q学习)算法解决问题。通过调整超参数如GAMMA、学习率和记忆大小,目标是防止附有未驱动关节的杆子在无摩擦轨道上的小车倒下,以保持杆子直立并获得高奖励。解决标准是连续100次试验中平均奖励达到195。
drl-zh
本课程提供深度强化学习的基础和经典算法的实用入门指导。学习者将从零开始编写DQN、SAC、PPO等算法,并掌握相关理论。课程内容还包括训练AI玩Atari游戏及模拟登月任务。同时详细介绍环境设置和代码实现步骤,支持Visual Studio Code和Jupyter Notebook,确保学习过程流畅高效。
相关文章
多巴胺:大脑中的快乐物质
2 个月前
Deep Reinforcement Learning with PyTorch: A Comprehensive Guide
2 个月前
DeepRL: PyTorch深度强化学习算法的模块化实现
2 个月前
Rainbow是您所需要的全部:从DQN到Rainbow的深度强化学习教程
2 个月前
深度强化学习从零到精通:drl-zh项目全面解析
2 个月前
Dopamine学习资料汇总 - 快速原型化强化学习算法的研究框架
1 个月前
Deep-reinforcement-learning-with-pytorch学习资料汇总 - PyTorch实现的深度强化学习算法集合
1 个月前