#ppo Repositorios
Descubre 30 repositorios activos de código abierto de GitHub etiquetados con #ppo, que acumulan 92,298 estrellas en total (una media de 3,076 estrellas por proyecto). El líder de este tema es datawhalechina/easy-rl, con 14,912 estrellas.
30 repositorios en total
Tutorial de aprendizaje por refuerzo en chino (Libro de los Hongos 🍄), dirección de lectura en línea: https://datawhalechina.github.io/easy-rl/
Implementación de un solo archivo de alta calidad de algoritmos de Deep Reinforcement Learning con características amigables para la investigación (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Tutoriales simples de aprendizaje por refuerzo, 莫烦Python enseñanza de IA en chino
Repositorio para el programa Nanodegree de Aprendizaje por Refuerzo Profundo
🚀 Un currículo de código abierto y práctico que cierra la brecha desde conceptos básicos de RL hasta alineación de LLM, RLVR y sistemas Agentic avanzados.
FinRL-X: Infraestructura modular nativa de IA para trading cuantitativo
Implementación limpia, robusta y unificada de PyTorch de algoritmos populares de aprendizaje por refuerzo profundo (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)
Implementación mínima de la Optimización de Política Próxima (PPO) con objetivo recortado en PyTorch
Framework modular de Deep Reinforcement Learning en PyTorch. Biblioteca complementaria del libro "Foundations of Deep Reinforcement Learning".
Entrenamiento de un robot humanoide para la locomoción utilizando aprendizaje por refuerzo
Una implementación PPO sencilla y bien estilizada. Basado en mi serie de Medium: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.
XuanCe: Una biblioteca integral y unificada de aprendizaje profundo por refuerzo
¡Policy Gradient es todo lo que necesitas! Un tutorial paso a paso para métodos PG bien conocidos.
Una biblioteca con implementaciones extensibles de DPO, KTO, PPO, ORPO y otras funciones de pérdida conscientes de los humanos (HALOs).
Archivos de inicio de RL para entrenar, visualizar y evaluar un agente de inmediato sin escribir ni una línea de código.
Este repositorio contiene la mayoría de las implementaciones clásicas de aprendizaje profundo por refuerzo de PyTorch, incluyendo - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Más algoritmos están en progreso)
🌾 OAT: Un framework amigable para la investigación de alineación en línea de LLM, incluyendo aprendizaje por refuerzo, aprendizaje por preferencia, etc.
RLAnything (ICML 2026) y AutoTool (ICML 2026), DemyAgent: Aprendizaje por refuerzo de código abierto para LLMs y escenarios de agentes
Una biblioteca de PyTorch para construir agentes de aprendizaje profundo por refuerzo.
Ajuste fino fácil y eficiente de LLMs. (Soporta LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Entrenamiento y despliegue de cuantización eficientes de modelos grandes.
Una lista curada de artículos sobre aprendizaje por refuerzo para la generación de video
Aprendizaje por Refuerzo Profundo (PPO) en Conducción Autónoma (Carla) [desde cero]
Preguntas frecuentes
¿Cuál es el repositorio de #ppo más popular en GitHub?
El proyecto de código abierto de #ppo mejor posicionado en GitHub es datawhalechina/easy-rl, con 14,912 estrellas. Tutorial de aprendizaje por refuerzo en chino (Libro de los Hongos 🍄), dirección de lectura en línea: https://datawhalechina.github.io/easy-rl/
¿Qué lenguajes de programación se utilizan más en los repositorios de #ppo?
Entre los proyectos de #ppo mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #ppo?
Seguimos 30 repositorios activos de código abierto etiquetados con #ppo (500+ estrellas), que suman un total de 92,298 estrellas, con una media de 3,076 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.