Scalable Distributed Deep-RL എന്ന് പേരിട്ടിരിക്കുന്ന Linux ആപ്പാണിത്, ഇതിന്റെ ഏറ്റവും പുതിയ പതിപ്പ് scaleable_agentsourcecode.tar.gz ആയി ഡൗൺലോഡ് ചെയ്യാം. വർക്ക്സ്റ്റേഷനുകൾക്കായുള്ള സൗജന്യ ഹോസ്റ്റിംഗ് ദാതാവായ OnWorks-ൽ ഇത് ഓൺലൈനായി പ്രവർത്തിപ്പിക്കാം.
Scalable Distributed Deep-RL എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് OnWorks-നൊപ്പം സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്സൈറ്റിൽ നിന്ന് OnWorks Linux ഓൺലൈനോ Windows ഓൺലൈൻ എമുലേറ്ററോ MACOS ഓൺലൈൻ എമുലേറ്ററോ ആരംഭിക്കുക.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Linux OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൌൺലോഡ് ചെയ്യുക, അത് ഇൻസ്റ്റാൾ ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
സ്ക്രീൻഷോട്ടുകൾ:
സ്കേലബിൾ ഡിസ്ട്രിബ്യൂട്ടഡ് ഡീപ്-ആർഎൽ
വിവരണം:
ഗൂഗിൾ ഡീപ് മൈൻഡ് വികസിപ്പിച്ചെടുത്ത ഉയർന്ന തോതിലുള്ള ഡിസ്ട്രിബ്യൂട്ടഡ് റൈൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് ഫ്രെയിംവർക്കായ IMPALA (ഇംപാർട്ടൻസ് വെയ്റ്റഡ് ആക്ടർ-ലേണർ ആർക്കിടെക്ചേഴ്‌സ്) ന്റെ തുറന്ന നടപ്പാക്കലാണ് സ്കേലബിൾ ഏജന്റ്. അഭിനയ, പഠന പ്രക്രിയകളെ വിച്ഛേദിച്ചുകൊണ്ട് വലിയ തോതിലുള്ള പരിതസ്ഥിതികളിലുടനീളം ഏജന്റുമാരെ കാര്യക്ഷമമായി പരിശീലിപ്പിക്കുന്നതിനുള്ള ഒരു പുതിയ മാതൃക IMPALA അവതരിപ്പിച്ചു. ഈ ആർക്കിടെക്ചറിൽ, ഒന്നിലധികം ആക്ടർ പ്രക്രിയകൾ അവയുടെ പരിതസ്ഥിതികളുമായി സമാന്തരമായി സംവദിച്ച് പാതകൾ ശേഖരിക്കുന്നു, തുടർന്ന് അവ നയ അപ്‌ഡേറ്റുകൾക്കായി ഒരു കേന്ദ്രീകൃത പഠിതാവിലേക്ക് അസമന്വിതമായി അയയ്ക്കുന്നു. അഭിനേതാക്കളും പഠിതാവും തമ്മിലുള്ള നയ കാലതാമസം ശരിയാക്കാൻ പഠിതാവ് ഇംപാർട്ടൻസ് വെയ്റ്റിംഗ് ഉപയോഗിക്കുന്നു, ഇത് സ്കെയിലിൽ സ്ഥിരതയുള്ള ഓഫ്-പോളിസി പരിശീലനം പ്രാപ്തമാക്കുന്നു. സാമ്പിൾ കാര്യക്ഷമതയും സ്ഥിരതയും നിലനിർത്തിക്കൊണ്ട് നൂറുകണക്കിന് പരിതസ്ഥിതികളിലേക്കും കോടിക്കണക്കിന് ഫ്രെയിമുകളിലേക്കും കാര്യക്ഷമമായി സ്കെയിൽ ചെയ്യാൻ ഈ ഡിസൈൻ സിസ്റ്റത്തെ അനുവദിക്കുന്നു. ഡീപ് മൈൻഡ് ലാബിലെ (DMLab) പരിശീലനത്തെ ഇംപ്ലിമെന്റേഷൻ പിന്തുണയ്ക്കുന്നു, കൂടാതെ അറ്റാരി, സ്ട്രീറ്റ് വ്യൂ പോലുള്ള മറ്റ് പരിതസ്ഥിതികൾക്കും ഇത് പൊരുത്തപ്പെടുത്തിയിരിക്കുന്നു.
സവിശേഷതകൾ
- സ്കെയിലബിൾ ഡിസ്ട്രിബ്യൂട്ടഡ് ഡീപ് റൈൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് ഫ്രെയിംവർക്കായ IMPALA നടപ്പിലാക്കുന്നു.
- ഇംപോർട്ടൻസ് വെയ്റ്റിംഗുള്ള അസിൻക്രണസ് ആക്ടർ-ലേണർ ആർക്കിടെക്ചറിനെ പിന്തുണയ്ക്കുന്നു.
- വലിയ തോതിലുള്ള പരിതസ്ഥിതികളിൽ (ഉദാ. DMLab-30, Atari) ഏജന്റുമാരെ കാര്യക്ഷമമായി പരിശീലിപ്പിക്കുന്നു.
- ഒപ്റ്റിമൈസ് ചെയ്ത ഡാറ്റ ത്രൂപുട്ടിനായി ഡൈനാമിക് ബാച്ചിംഗ് ഉൾപ്പെടുന്നു
- ഡീപ് മൈൻഡ് സോണറ്റിനും ടെൻസർഫ്ലോയ്ക്കും അനുയോജ്യമാണ്
- പുനരുൽപ്പാദിപ്പിക്കാവുന്ന സിംഗിൾ-മെഷീൻ അല്ലെങ്കിൽ വിതരണം ചെയ്ത പരിശീലനത്തിനായി ഡോക്കർഫയൽ സജ്ജീകരണം നൽകുന്നു.
പ്രോഗ്രാമിംഗ് ഭാഷ
സി++, പൈത്തൺ
Categories
ഇത് https://sourceforge.net/projects/scalable-dist-deep-rl.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.