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