#proximal-policy-optimization Repositories
Entdecke 11 aktive Open-Source-GitHub-Repositories, die mit #proximal-policy-optimization getaggt sind und insgesamt 65,765 Sterne gesammelt haben (durchschnittlich 5,978 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist huggingface/trl mit 19,788 Sternen.
Insgesamt 11 Repositories
Hochwertige Single-File-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Features (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Ein einfach zu bedienendes, skalierbares und hochperformantes agentisches RL-Framework basierend auf Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
Einfache Reinforcement-Learning-Tutorials, 莫烦Python Chinesische AI-Lehrgänge
Minimale Implementierung des abgeschnittenen Objekts Proximal Policy Optimization (PPO) in PyTorch
Offizielle Implementierung von Diffusion Policy Policy Optimization, arxiv 2024
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)
Eine PyTorch-Bibliothek zum Erstellen von Agenten für Deep Reinforcement Learning.
Deep Reinforcement Learning (PPO) im autonomen Fahren (Carla) [von Grund auf]
Häufig gestellte Fragen
Welches ist das beliebteste #proximal-policy-optimization-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#proximal-policy-optimization-Projekt auf GitHub ist huggingface/trl mit 19,788 Sternen. Trainieren Sie Transformer-Sprachmodelle mit Reinforcement Learning.
Welche Programmiersprachen werden in #proximal-policy-optimization-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #proximal-policy-optimization-Projekten auf GitHub sind Python die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #proximal-policy-optimization-Repositories berechnet?
Wir verfolgen 11 aktive Open-Source-Repositories, die mit #proximal-policy-optimization getaggt sind (500+ Sterne), mit insgesamt 65,765 Sternen und durchschnittlich 5,978 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.