-
在PyTorch中实施深度强化学习的工具：PyTorch-RL
资源介绍
强化学习算法的PyTorch实现
该存储库包含：
策略渐变方法（TRPO，PPO，A2C）
重要笔记
该代码现在适用于PyTorch 0.4。 对于PyTorch 0.3，请检出0.3分支。
要运行mujoco环境，先安装和。
如果您有GPU，建议将OMP_NUM_THREADS设置为1（PyTorch在执行计算时会创建其他线程，这可能会损害多处理的性能。此问题在Linux上最为严重，在Linux中，多处理甚至比单线程还要慢）：
export OMP_NUM_THREADS=1
特征
支持离散和连续的动作空间。
支持代理的多重处理，以同时在多个环境中收集样本。 （比单线程快x8）
快速费舍尔矢量乘积计算。 对于这一部分，Ankur友好地写了一个解释了实现细节。
政策梯度法
->
->
->
例子
python examples / ppo_gym.py --e