openai_lab

Openai Lab

---

주목 : 다음 버전 인 SLM-LAB을 사용하십시오.

---

Openai Lab 문서

---

Openai Gym, Tensorflow 및 Keras를 사용한 강화 학습을위한 실험 프레임 워크.

Openai Lab은 과학 - 이론, 실험과 같은 강화 학습 (RL)을 위해 만들어졌습니다. 자동화 된 실험 및 평가 프레임 워크와 함께 Openai Gym 및 Keras에 대한 쉬운 인터페이스를 제공합니다.

특징

1. OpenAi Gym, Tensorflow, Keras를 사용하여 통합 된 RL 환경 및 에이전트 인터페이스를 사용하여 알고리즘 개발에 집중할 수 있습니다.
2. 심층 RL 알고리즘을 개발하기위한 재사용 가능한 모듈 식 구성 요소와 함께 Core RL 알고리즘 구현 .
3. 새로운 RL 알고리즘을 테스트하기위한 로그, 플롯 및 분석과 함께 수백 개의 하이퍼 파라미터 최적화 시험을 실험하기위한 실험 프레임 워크 . 실험 설정은 재현성 및 비교를 위해 표준화 된 JSON에 저장됩니다.
4. RL 에이전트 및 환경을 평가하기위한 실험의 자동 분석 및 최상의 솔루션을 선택하는 데 도움이됩니다.
5. Fitness Matrix , 환경 대 RL 알고리즘의 최고 점수의 테이블; 연구에 유용합니다.

OpenAI Lab을 사용하면 알고리즘, 정책, 메모리 및 매개 변수 튜닝과 같은 강화 학습의 필수 요소를 연구하는 데 중점을 둘 수 있습니다. 이를 통해 연구 아이디어의 구현과 함께 기존 구성 요소를 사용하여 에이전트를 효율적으로 구축 할 수 있습니다. 그런 다음 실험을 실행하여 연구 가설을 체계적으로 테스트 할 수있었습니다.

연구 문제에 대해 자세히 알아보십시오. 실험실에서 동기 부여가 해결됩니다. 궁극적으로, 실험실은 강화 학습, Openai Gym 및 Keras의 불가지론을위한 일반화 된 프레임 워크입니다. 예를 들어 Pytorch 기반 구현은 로드맵에 있습니다.

구현 된 알고리즘

핵심 RL 알고리즘 구현/계획된 목록.

OpenAi 체육관 환경에 대한 점수를 보려면 피트니스 매트릭스 로 이동하십시오.

연산	구현	평가 점수 (보류)
DQN	DQN	-
이중 DQN	DoubledQn	-
결투 dqn	-	-
사르 사	Deepsarsa	-
정책 오프 SARSA	offolicysarsa	-
PER (우선 순위 경험 재생)	우선 순위를 정한 ExperienceReplay	-
CEM (교차 엔트로피 방법)	다음	-
강화	-	-
DPG (결정 론적 정책 그라디언트) 오프 정책 액터 크리티어	actorcritic	-
대상 네트워크를 갖춘 DDPG (DEEP-DPG) 액터 크리치	DDPG	-
A3C (비동기 우위 액터 크리티어)	-	-
다이나	다음	-
TRPO	-	-
Q*(람다)	-	-
후퇴 (람다)	-	-
신경 에피소드 제어 (NEC)	-	-
EWC (탄성 중량 통합)	-	-

실험실을 실행하십시오

다음으로 설치 및 QuickStart로 점프하십시오.

Openai Lab의 Timelapse, Cartpole-V0 해결.