alexfrom0815

RLlib: Scalable Reinforcement Learning

RLlib is an open-source library for reinforcement learning that offers both high scalability and a unified API for a variety of applications. RLlib natively supports TensorFlow, TensorFlow Eager, and PyTorch, but most of its internals are framework agnostic.



DeepRLearner 将标题更改为 「好用的深度强化学习框架有哪些?」。

spinningup适合入门

从个人角度也总结一下,欢迎大家拍砖!

SpinningUp

  • OpenAI开发的,学习向的教程
  • 学习教程地址
  • 从基础入门到算法核心思想,代码和文档对新手很友好!

Baselines

  • OpenAI Baselines is a set of high-quality implementations of reinforcement learning algorithms.
  • 恰如起名,通常用它来跑对比实验。

Stable Baselines

  • 其他人基于openai的baselines做的稳定版开发, 适合全面学习。
  • 主页文档
    • Unified structure for all algorithms
    • PEP8 compliant (unified code style)
    • Documented functions and classes
    • More tests & more code coverage
    • Additional algorithms: SAC and TD3 (+ HER support for DQN, DDPG, SAC and TD3)

PARL

  • 百度基于飞浆开发的,基本的model-free算法都有,百度的Ai studio上有很多实现博客
  • PARL团队成员视频教程-世界冠军带你从零实践强化学习
  • 精简版Ray,结核飞桨使用听说很不错。

Ray

  • UCB基于RLlib开源的算法库,很全面和精深
  • 学起来非常难,比较偏向工业界?

Acme

  • DeepMind
  • 主打分布式强化学习

最后放下自己磨洋工的pytorch版DRL代码[https://github.com/Taospirit/Light_RL],结构简单,代码友好,适合新手入门学习和使用,后续逐步完善ing

8 天 后
1 年 后

spinningup应该最好用,

还有一些比如英特尔的Coach,伯克利的rllib比较经典,其他的相对来说代码量比较大,入手比较麻烦

5 天 后

最近新发现的一个RL框架,还挺好用,https://github.com/opendilab/DI-engine,可以试下,算法库挺全的,还有一些rl+创新应用(自动驾驶、游戏之类的),里面的技术人员还挺重视使用体验,上回提了个issue还一直跟进,我感觉这点不错,提issue响应方面也比较快,体验了几个月了,整体还ok

    Khaiiiiiiiii 这框架 但凡要自己修改部分代码 就难用的一批。代码质量真的很差

      5 天 后

      hijkzzz 如果想要多进程训练,用哪个框架容易上手。rlib太复杂了

      10 天 后
      2 年 后
      21 天 后
      说点什么吧...
      Document