有用資源

TorchRL 論文

要了解 TorchRL 的理念、它試圖解決的問題以及其通用功能，請參閱 TorchRL 論文。

我們還提供了一些入門影片，幫助您更好地瞭解該庫，請檢視：

• TorchRL 在 PyTorch day 2022 上的介紹

• PyTorch 2.0 問答：TorchRL

PyTorch 文件

請在此處檢視 處

functorch 文件

請在此處檢視 處

實用的 RL 儲存庫、部落格和網站

教育資源

• 深度強化學習入門 (Spinning Up in Deep RL)

• Hugging Face 課程

• Deepmind 的 RL 課程

• 最佳基準測試

• Awesome RL：精選的強化學習資源

• 強化學習的簡潔總結

論壇

• PyTorch RL 討論

• Reddit RL

儲存庫

為了完整起見，我們提供了一個 RL 庫列表。有些庫並未積極維護，但它們仍然提供了使用 PyTorch 或不使用 PyTorch 的 RL 解決方案的良好示例。

• ReAgent：面向生產環境的 RL

• Stable-baselines3

• TF-Agent：Tensorflow 中的 Bandits 和 RL 演算法

• keras-rl：Keras 的深度強化學習

• Acme：強化學習的研究框架

• dopamine：用於快速原型設計強化學習演算法的研究框架

• salina：一個用於學習序列代理（包括強化學習）的靈活簡單的庫

• tianshou：一個優雅的 PyTorch 深度強化學習庫。

• rlpyt：PyTorch 中的強化學習

• RLlib：企業級強化學習，支援 TF 和 Torch

• sample-factory：高吞吐量非同步強化學習

• cherry：一個用於強化學習研究的 PyTorch 庫

• JaxRL：用於具有連續動作空間的深度強化學習演算法的實現

• MBRL-lib：用於 PyTorch 中的模型驅動 RL 的庫

• RLMeta：輕量級靈活的分散式強化學習研究框架。

• ElegantRL：雲原生深度強化學習

• MTRL：多工 RL 基線