stable-baselines3

收录理由

做强化学习的人想用现成的、经过验证的PyTorch实现，不想从头写训练循环，Stable Baselines3通常是首选。PPO、DQN、SAC、TD3、A2C这些常见算法都共用一套接口，换方法、对比结果都很顺手。每个算法都对照参考实现跑过基准测试，单元测试也覆盖得比较全，自定义策略、字典格式的观测空间、回调函数、TensorBoard日志这些功能开箱即用。无论是做研究实验还是快速搭个原型，用在机器人控制、决策问题或者游戏场景里都挺合适。不过得提一句，它默认你已经懂强化学习的基础概念，并不是给零基础的人当入门教程用的。