有用资源

TorchRL 论文

要了解 TorchRL 的理念、它试图解决的问题以及其通用功能，请参阅 TorchRL 论文。

我们还提供了一些入门视频，帮助您更好地了解该库，请查看：

• TorchRL 在 PyTorch day 2022 上的介绍

• PyTorch 2.0 问答：TorchRL

PyTorch 文档

请在此处查看 处

functorch 文档

请在此处查看 处

实用的 RL 存储库、博客和网站

教育资源

• 深度强化学习入门 (Spinning Up in Deep RL)

• Hugging Face 课程

• Deepmind 的 RL 课程

• 最佳基准测试

• Awesome RL：精选的强化学习资源

• 强化学习的简洁总结

论坛

• PyTorch RL 讨论

• Reddit RL

存储库

为了完整起见，我们提供了一个 RL 库列表。有些库并未积极维护，但它们仍然提供了使用 PyTorch 或不使用 PyTorch 的 RL 解决方案的良好示例。

• ReAgent：面向生产环境的 RL

• Stable-baselines3

• TF-Agent：Tensorflow 中的 Bandits 和 RL 算法

• keras-rl：Keras 的深度强化学习

• Acme：强化学习的研究框架

• dopamine：用于快速原型设计强化学习算法的研究框架

• salina：一个用于学习序列代理（包括强化学习）的灵活简单的库

• tianshou：一个优雅的 PyTorch 深度强化学习库。

• rlpyt：PyTorch 中的强化学习

• RLlib：企业级强化学习，支持 TF 和 Torch

• sample-factory：高吞吐量异步强化学习

• cherry：一个用于强化学习研究的 PyTorch 库

• JaxRL：用于具有连续动作空间的深度强化学习算法的实现

• MBRL-lib：用于 PyTorch 中的模型驱动 RL 的库

• RLMeta：轻量级灵活的分布式强化学习研究框架。

• ElegantRL：云原生深度强化学习

• MTRL：多任务 RL 基线