minimalRL

minimalrl-pytorch

コードの最小行を使用した基本的なRLアルゴリズムの実装！ （Pytorchベース）

• 各アルゴリズムは単一のファイル内で完了します。

• 各ファイルの長さは、最大100〜150行のコードです。

• すべてのアルゴリズムは、GPUがなくても30秒以内にトレーニングできます。

• envsは「cartpole-v1」に固定されています。実装に焦点を当てることができます。

アルゴリズム

1. 強化（67行）
2. バニラ俳優 - 批評家（98行）
3. DQN（リプレイメモリとターゲットネットワークを含む112行）
4. PPO（GAEを含む119行）
5. DDPG（OUノイズとソフトターゲットの更新を含む145行）
6. A3c（129行）
7. エイサー（149行）
8. A2C（188行）
9. SAC（171行）追加!!
10. PPO-CONTINUOUS（161行）追加!!
11. vtrace（137行）追加!!
12. 何か提案...？

依存関係

1. Pytorch
2. Openaiジム（> 0.26.2重要!!以前のバージョンのサポートがなくなりました）

使用法

 # Works only with Python 3.
# e.g.
python3 REINFORCE.py
python3 actor_critic.py
python3 dqn.py
python3 ppo.py
python3 ddpg.py
python3 a3c.py
python3 a2c.py
python3 acer.py
python3 sac.py