Dies ist die Linux-App namens CleanRL, deren neueste Version als v1.0.0CleanRLRelease.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations betrieben werden.
Laden Sie diese App namens CleanRL with OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
SauberRL
BESCHREIBUNG
CleanRL ist eine Deep-Reinforcement-Learning-Bibliothek, die eine hochwertige Single-File-Implementierung mit forschungsfreundlichen Funktionen bietet. Die Implementierung ist sauber und einfach, aber wir können sie skalieren, um Tausende von Experimenten mit AWS Batch auszuführen. CleanRL ist keine modulare Bibliothek und sollte daher nicht importiert werden. Auf Kosten von doppeltem Code machen wir alle Implementierungsdetails einer DRL-Algorithmusvariante leicht verständlich, sodass CleanRL seine eigenen Vor- und Nachteile hat. Sie sollten die Verwendung von CleanRL in Betracht ziehen, wenn Sie 1) alle Implementierungsdetails einer Algorithmusvariante verstehen oder 2) fortgeschrittene Funktionen prototypisieren möchten, die andere modulare DRL-Bibliotheken nicht unterstützen (CleanRL hat nur minimale Codezeilen, sodass Sie eine großartige Debugging-Erfahrung erhalten, und Sie ziehen es an müssen nicht viele Unterklassen erstellen, wie es manchmal in modularen DRL-Bibliotheken der Fall ist).
Eigenschaften
- Jedes Detail zu einer Algorithmusvariante wird in einer einzigen eigenständigen Datei abgelegt
- Single-File-Implementierung
- Benchmark-Implementierung, mehr als 7 Algorithmen und mehr als 34 Spiele
- Tensorboard-Protokollierung
- Lokale Reproduzierbarkeit durch Seeding
- Videos von Gameplay-Capturing
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/cleanrl.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.