有用资源

TorchRL 论文

要了解更多关于 TorchRL 的理念、它试图解决的问题以及它的一般能力，请参阅 TorchRL 论文。

我们还有一些入门视频，可以帮助您更好地了解该库，请查看它们

• TorchRL 在 PyTorch Day 2022 上的介绍

• PyTorch 2.0 问答：TorchRL

PyTorch 文档

请参见 此处

functorch 文档

请参见 此处

有用的 RL 存储库、博客和网站

教育资源

• 深度 RL 旋转

• Hugging face 教学大纲

• Deepmind 的 RL 课程

• 最佳基准测试

• Awesome RL：精心策划的强化学习资源

• 强化学习的简洁摘要

论坛

• PyTorch RL 讨论

• Reddit RL

存储库

为完整起见，我们提供了一份 RL 库列表。其中一些没有积极维护，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：用于 Keras 的深度强化学习

• Acme：强化学习的研究框架

• dopamine：用于强化学习算法快速原型设计的用户研究框架

• salina：一个用于学习顺序代理（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：具有 TF 和 Torch 的行业级强化学习

• sample-factory：高吞吐量异步强化学习

• cherry：用于强化学习研究的 PyTorch 库

• JaxRL：用于深度强化学习的连续动作空间算法的实现

• MBRL-lib：用于 PyTorch 中基于模型的 RL 的库

• RLMeta：用于分布式强化学习研究的轻量级灵活框架。

• ElegantRL：云原生深度强化学习

• MTRL：多任务 RL 基线