#ppo Repository
Scopri 30 repository GitHub open source attivi contrassegnati con #ppo, che raccolgono un totale di 92,298 stelle (con una media di 3,076 stelle per progetto). Il progetto leader di questo argomento è datawhalechina/easy-rl, con 14,912 stelle.
30 repository in totale
Tutorial di Reinforcement Learning in Cinese (Libro dei Funghi 🍄), indirizzo di lettura online: https://datawhalechina.github.io/easy-rl/
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 semplici di apprendimento per rinforzo, 莫烦Python insegnamento AI in cinese
Repository per il programma Nanodegree in Deep Reinforcement Learning
🚀 Un curriculum open-source e hands-on che colma il divario dai concetti base di RL all'allineamento LLM, RLVR e sistemi Agentic avanzati.
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)
Implementazione minima della politica di approssimazione con obiettivo ritagliato (PPO) in PyTorch
Framework modulare di Deep Reinforcement Learning in PyTorch. Libreria companion del libro "Foundations of Deep Reinforcement Learning".
Addestramento di un robot umanoide per la locomozione utilizzando l'apprendimento per rinforzo
Un'implementazione PPO semplice e ben stilizzata. Basato sulla mia serie Medium: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.
Policy Gradient è tutto ciò di cui hai bisogno! Una guida passo-passo per i noti metodi PG.
Una libreria con implementazioni estensibili di DPO, KTO, PPO, ORPO e altre funzioni di perdita consapevoli dell'uomo (HALOs).
File starter RL per addestrare, visualizzare e valutare un agente immediatamente senza scrivere una riga di codice.
Questo repository contiene la maggior parte delle implementazioni classiche di deep reinforcement learning di PyTorch, tra cui - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Altri algoritmi sono in corso)
🌾 OAT: Un framework orientato alla ricerca per l'allineamento online degli LLM, inclusi rinforzo e apprendimento delle preferenze, ecc.
RLAnything (ICML 2026) e AutoTool (ICML 2026), DemyAgent: Apprendimento per rinforzo open-source per LLM e scenari agentici
Una libreria PyTorch per la costruzione di agenti di apprendimento profondo per rinforzo.
Fine-tuning facile ed efficiente di LLM. (Supporta LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Addestramento e implementazione quantizzati efficienti di grandi modelli.
Un elenco curato di articoli sull'apprendimento per rinforzo per la generazione di video
Apprendimento per Rinforzo Profondo (PPO) nella Guida Autonoma (Carla) [da zero]
Domande frequenti
Qual è il repository #ppo più popolare su GitHub?
Il progetto open source #ppo più alto in classifica su GitHub è datawhalechina/easy-rl, con 14,912 stelle. Tutorial di Reinforcement Learning in Cinese (Libro dei Funghi 🍄), indirizzo di lettura online: https://datawhalechina.github.io/easy-rl/
Quali linguaggi di programmazione sono più utilizzati nei repository #ppo?
Tra i progetti #ppo più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #ppo?
Monitoriamo 30 repository open source attivi contrassegnati con #ppo (500+ stelle), per un totale di 92,298 stelle e una media di 3,076 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.