openai_lab

Openai实验室

---

注意：请使用下一个版本，SLM-LAB。

---

OpenAI实验室文档

---

使用OpenAI健身房，Tensorflow和Keras进行增强学习的实验框架。

Openai实验室的创建是为了进行加强学习（RL），例如科学 -理论，实验。它通过自动实验和评估框架为Openai Gym和Keras提供了一个简单的接口。

特征

1. 使用OpenAI健身房，Tensorflow，Keras的统一RL环境和代理接口，因此您可以专注于开发算法。
2. 核心RL算法实现，并具有可重复使用的模块化组件，用于开发深层RL算法。
3. 一个实验框架，用于运行数百次测试新RL算法的数百次试验高参数优化试验。实验设置存储在标准化的JSON中，以进行可重复性和比较。
4. 实验的自动分析，用于评估RL代理和环境，并帮助选择最佳解决方案。
5. 健身矩阵，RL算法与环境的最佳分数的表；对研究有用。

借助OpenAI实验室，我们可以专注于研究强化学习的基本要素，例如算法，策略，内存和参数调整。它使我们能够使用现有组件与研究思想实现的现有组件有效地构建代理。然后，我们可以通过运行实验系统地测试研究假设。

阅读有关实验室在动机中解决的研究问题的更多信息。最终，该实验室是进行强化学习的一般框架，Openai Gym和Keras的不可知论。例如，基于Pytorch的实现在路线图上。

实施算法

实施/计划的核心RL算法列表。

要查看他们在OpenAI健身环境中的分数，请访问Fitness Matrix 。

算法	执行	评估得分（待定）
DQN	DQN	-
双DQN	DoubledQn	-
决斗DQN	-	-
萨尔	Deepsarsa	-
非政策SARSA	Offpolicysarsa	-
per（优先经验重播）	优先级experienceReplay	-
CEM（交叉熵法）	下一个	-
加强	-	-
DPG（确定性政策梯度）非政治演员批评	contorcritic	-
DDPG（深-DPG）具有目标网络的参数	DDPG	-
A3C（异步优势参与者 - 批评）	-	-
dyna	下一个	-
trpo	-	-
Q*（lambda）	-	-
追溯（lambda）	-	-
神经情节对照（NEC）	-	-
EWC（弹性重量合并）	-	-

运行实验室

接下来，请参阅安装，然后跳到Quickstart。

Openai实验室的时间解放，解决Cartpole-V0。