dopamine

收录理由

对于想快速验证新想法、又不想从零重写经典算法的研究人员和研究生来说，这是一个非常友好的起点。项目提供了论文中经常引用的几个算法的紧凑实现，包括DQN、C51、Rainbow、IQN，以及基于JAX的SAC和PPO，你可以直接在这些基础上做改动，然后和已有的基准结果对照。代码结构刻意保持扁平，没有复杂的抽象基类，文档也清楚地说明了如何直接修改一个智能体或者从头构建新的，做探索性研究的门槛很低。配置通过gin框架完成，超参数、环境（比如Atari、Cartpole、Acrobot或Mujoco连续控制）都可以在配置文件中调整，不用在代码里到处找修改点。另外，它内置了检查点和可复现评估的机制，遵循Machado等人提出的标准协议，所以把自己的结果和已发表的结果放在一起比较会很方便。如果你的目标是做强化学习研究而不是把智能体部署到产品里，这个框架可以作为一个可靠的基础。