有用的資源

TorchRL 論文

要了解更多關於 TorchRL 哲學、它試圖解決的問題以及它的一般能力的資訊，請參閱TorchRL 論文。

我們也有一些介紹影片，讓您更了解該函式庫，請查看它們

• 2022 年 PyTorch Day 的 TorchRL 簡介

• PyTorch 2.0 問答：TorchRL

Pytorch 文件

請參閱此處

functorch 文件

請參閱此處

有用的 RL 儲存庫、部落格和網站

教育資源

• Spinning Up in Deep RL

• Hugging face 教材大綱

• 來自 Deepmind 的 RL 講座

• 最佳基準

• Awesome RL：精選的強化學習資源

• 強化學習簡明摘要

論壇

• PyTorch RL 討論

• Reddit RL

儲存庫

為了完整起見，我們提供 RL 函式庫的清單。有些未積極維護，但它們仍然提供了使用和不使用 PyTorch 的 RL 解決方案的良好範例

• ReAgent：以生產為導向的設定中的 RL

• Stable-baselines3

• TF-Agent：tensorflow 中的 Bandits 和 RL 演算法

• keras-rl：用於 Keras 的深度強化學習

• Acme：用於強化學習的研究框架

• dopamine：用於快速建立強化學習演算法原型的研究框架

• salina：一個靈活且簡單的函式庫，用於學習序列代理（包括強化學習）

• tianshou：一個優雅的 PyTorch 深度強化學習函式庫。

• rlpyt：PyTorch 中的強化學習

• RLlib：具有 TF 和 Torch 的工業級強化學習

• sample-factory：高吞吐量非同步強化學習

• cherry：用於強化學習研究的 PyTorch 函式庫

• JaxRL：具有連續動作空間的深度強化學習演算法的實作

• MBRL-lib：pytorch 中基於模型的 RL 函式庫

• RLMeta：輕量級且靈活的分散式強化學習研究框架。

• ElegantRL：雲原生深度強化學習

• MTRL：多任務強化學習基準