#7 · 主分类： 游戏AI与行为树
muzero-general
alphago
alphazero
deep-learning
deep-reinforcement-learning
gym
machine-learning
mcts
model-based-rl
monte-carlo-tree-search
muzero
muzero-general
neural-network
python3
pytorch
reinforcement-learning
residual-network
rl
self-learning
tensorboard
MuZero
项目最后更新：09/03/24
GitHub Stars
2.9K
Forks数量
671
贡献者数量
18
许可证
MIT
收录理由
MuZero General 是目前最容易上手的 MuZero 算法参考实现之一。MuZero 是 DeepMind 提出的基于模型的强化学习方法，在不被告知规则的情况下就能学会下围棋、国际象棋、将棋以及玩 Atari 游戏。如果你想弄明白现代强化学习智能体如何把蒙特卡洛树搜索与学习到的环境模型结合起来，这个项目里大量注释的代码和配套的 wiki 文档，比原论文的伪代码要友好得多。想接入新游戏，只需添加一个包含超参数和游戏类的文件，就能轻松在棋盘游戏或经典的 gym 环境上做实验。项目还支持基于 Ray 的多线程、集群训练以及多 GPU 训练，让小型实验也能顺利扩展到单台笔记本之外的规模。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。