#deep-reinforcement-learning Repository
Scopri 99 repository GitHub open source attivi contrassegnati con #deep-reinforcement-learning, che raccolgono un totale di 324,947 stelle (con una media di 3,282 stelle per progetto). Il progetto leader di questo argomento è Unity-Technologies/ml-agents, con 19,887 stelle.
99 repository in totale
Il Unity Machine Learning Agents Toolkit (ML-Agents) è un progetto open-source che consente a giochi e simulazioni di fungere da ambienti per l'addestramento di agenti intelligenti utilizzando deep reinforcement learning e imitation learning.
Simulatore open source per veicoli autonomi basato su Unreal Engine / Unity, da Microsoft AI & Research
Questo repository contiene implementazioni e codice illustrativo per accompagnare le pubblicazioni di DeepMind.
Tutorial di Reinforcement Learning in Cinese (Libro dei Funghi 🍄), indirizzo di lettura online: https://datawhalechina.github.io/easy-rl/
Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
Una risorsa educativa per aiutare chiunque a imparare l'apprendimento per rinforzo profondo.
Implementazione in un singolo file di alta qualità di algoritmi di Deep Reinforcement Learning con funzionalità user-friendly per la ricerca (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Tutorial, compiti e competizioni per corsi relativi a MIT Deep Learning.
(⌐■_■) - Deep Reinforcement Learning per instrumentare bettercap per il pwning di WiFi.
Materiali di laboratorio per MIT 6.S191: Introduzione al Deep Learning
Hack di Flappy Bird usando Deep Reinforcement Learning (Deep Q-learning).
Implementazioni PyTorch di algoritmi e ambienti di apprendimento per rinforzo profondo
Repository per il programma Nanodegree in Deep Reinforcement Learning
Questo repository contiene il corso di Deep Reinforcement Learning di Hugging Face.
"Grandi Modelli Linguistici" di: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Un elenco curato di risorse sull'apprendimento per rinforzo con feedback umano (in continuo aggiornamento)
FinRL-X: Infrastruttura modulare nativa per l'IA per il trading quantitativo
Implementazione PyTorch pulita, robusta e unificata di popolari algoritmi di Deep Reinforcement Learning (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)
Apprendimento per Rinforzo / Bot AI in Giochi di Carte (Poker) - Blackjack, Leduc, Texas, DouDizhu, Mahjong, UNO.
Tensorforce: una libreria TensorFlow per l'apprendimento per rinforzo applicato
Motore scacchistico a rete neurale open source con accelerazione GPU e ampio supporto hardware.
Una libreria modulare di alto livello per addestrare agenti AI embodied in una varietà di compiti e ambienti.
Apprendimento per rinforzo profondo pratico, pubblicato da Packt
Una libreria di agenti AI di apprendimento per rinforzo pronta per la produzione, offerta dal team Applied Reinforcement Learning di Meta.
Un framework di addestramento per agenti di apprendimento per rinforzo Stable Baselines3, con ottimizzazione degli iperparametri e agenti pre-addestrati inclusi.
Corso tutorial PPO x Family DRL (Corso pubblico introduttivo all'intelligenza decisionale: 8 lezioni per aiutarti a chiarire la teoria degli algoritmi, a definire la logica del codice e a padroneggiare le applicazioni pratiche dell'IA decisionale)
Implementazione minima della politica di approssimazione con obiettivo ritagliato (PPO) in PyTorch
FinRL®-Meta: Set di dati dinamici e ambienti di mercato per FinRL.
I primi 200 repository GitHub di deep learning ordinati per numero di stelle.
Un elenco curato di risorse sui modelli di diffusione in RL (in continuo aggiornamento)
Apprendimento profondo per rinforzo per la navigazione di robot mobili nel simulatore ROS Gazebo. Utilizzando una rete neurale Twin Delayed Deep Deterministic Policy Gradient (TD3), un robot impara a navigare verso un punto obiettivo casuale in un ambiente simulato evitando gli ostacoli.
Una piattaforma di intelligenza artificiale per StarCraft II con addestramento distribuito su larga scala e agenti di Grandmaster.
Framework modulare di Deep Reinforcement Learning in PyTorch. Libreria companion del libro "Foundations of Deep Reinforcement Learning".
Domande frequenti
Qual è il repository #deep-reinforcement-learning più popolare su GitHub?
Il progetto open source #deep-reinforcement-learning più alto in classifica su GitHub è Unity-Technologies/ml-agents, con 19,887 stelle. Il Unity Machine Learning Agents Toolkit (ML-Agents) è un progetto open-source che consente a giochi e simulazioni di fungere da ambienti per l'addestramento di agenti intelligenti utilizzando deep reinforcement learning e imitation learning.
Quali linguaggi di programmazione sono più utilizzati nei repository #deep-reinforcement-learning?
Tra i progetti #deep-reinforcement-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, C#.
Come viene calcolata la classifica dei repository #deep-reinforcement-learning?
Monitoriamo 99 repository open source attivi contrassegnati con #deep-reinforcement-learning (500+ stelle), per un totale di 324,947 stelle e una media di 3,282 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.