#ppo Repositories
Entdecke 30 aktive Open-Source-GitHub-Repositories, die mit #ppo getaggt sind und insgesamt 92,298 Sterne gesammelt haben (durchschnittlich 3,076 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist datawhalechina/easy-rl mit 14,912 Sternen.
Insgesamt 30 Repositories
Reinforcement Learning Chinesisch Tutorial (Pilzbuch 🍄), Online-Leseadresse: https://datawhalechina.github.io/easy-rl/
Hochwertige Single-File-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Features (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Einfache Reinforcement-Learning-Tutorials, 莫烦Python Chinesische AI-Lehrgänge
Repository für das Deep Reinforcement Learning Nanodegree-Programm
🚀 Ein Open-Source-, praxisorientierter Lehrplan, der die Lücke von grundlegenden RL-Konzepten bis zur LLM-Ausrichtung, RLVR und fortgeschrittenen Agentic-Systemen überbrückt.
FinRL-X: Eine AI-native modulare Infrastruktur für Quantitative Trading
Saubere, robuste und einheitliche PyTorch-Implementierung beliebter Deep Reinforcement Learning (DRL) Algorithmen (Q-Learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)
Minimale Implementierung des abgeschnittenen Objekts Proximal Policy Optimization (PPO) in PyTorch
Modulares Deep-Reinforcement-Learning-Framework in PyTorch. Begleitbibliothek des Buches „Foundations of Deep Reinforcement Learning“.
Training eines humanoiden Roboters für Fortbewegung mittels Reinforcement Learning
Eine einfache und gut gestaltete PPO-Implementierung. Basierend auf meiner Medium-Serie: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.
XuanCe: Eine umfassende und einheitliche Bibliothek für Deep Reinforcement Learning
Policy Gradient ist alles, was du brauchst! Ein schrittweises Tutorial für bekannte PG-Methoden.
Eine Bibliothek mit erweiterbaren Implementierungen von DPO, KTO, PPO, ORPO und anderen menschenorientierten Verlustfunktionen (HALOs).
RL-Starterdateien, um einen Agenten sofort zu trainieren, zu visualisieren und zu evaluieren, ohne eine Zeile Code zu schreiben.
Dieses Repository enthält die meisten Implementierungen klassischer Deep Reinforcement Learning-Algorithmen von PyTorch, darunter - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Weitere Algorithmen sind in Arbeit)
🌾 OAT: Ein forschungsfreundliches Framework für die Online-Ausrichtung von LLMs, einschließlich Reinforcement Learning, Präferenzlernen usw.
RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: Open-Source-RL für LLMs und Agenten-Szenarien
Eine PyTorch-Bibliothek zum Erstellen von Agenten für Deep Reinforcement Learning.
Einfaches und effizientes Finetuning von LLMs. (Unterstützt LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Effizientes Quantisierungstraining und -bereitstellung großer Modelle.
Eine kuratierte Liste von Arbeiten zum Thema Reinforcement Learning für die Videogenerierung
Deep Reinforcement Learning (PPO) im autonomen Fahren (Carla) [von Grund auf]
Häufig gestellte Fragen
Welches ist das beliebteste #ppo-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#ppo-Projekt auf GitHub ist datawhalechina/easy-rl mit 14,912 Sternen. Reinforcement Learning Chinesisch Tutorial (Pilzbuch 🍄), Online-Leseadresse: https://datawhalechina.github.io/easy-rl/
Welche Programmiersprachen werden in #ppo-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #ppo-Projekten auf GitHub sind Python, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #ppo-Repositories berechnet?
Wir verfolgen 30 aktive Open-Source-Repositories, die mit #ppo getaggt sind (500+ Sterne), mit insgesamt 92,298 Sternen und durchschnittlich 3,076 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.