Softlearning 是一种用于在连续域中训练最大熵策略的强化学习框架。其中包含 Softmax 算法的官方实现。
Softlearning 是一个用于在连续域中训练最大熵策略的深度强化学习工具箱。该实现相对较薄，主要是针对我们自己的开发目的进行优化。它利用 tf.keras 模块来实现大多数模型类（例如策略和价值函数）。我们使用 Ray 来编排实验。Ray Tune 和 Autoscaler 实现了几项漂亮的功能，使我们能够无缝地运行本地原型开发时使用的相同实验脚本，以在任意选择的云服务（例如 GCP 或 AWS）上启动大规模实验，并智能地并行和分布训练，以实现有效的资源分配。
本实现使用 Tensorflow。如果要使用 PyTorch 实现软体作用者-评论者算法，请参阅 rlkit。
下载 并从 MuJoCo 网站安装 MuJoCo 1.50 和 2.00。我们假设 MuJoCo 文件已被解压到默认位置(~/.mujoco/mjpro150 和~/.mujoco/mujoco200_{platform})。不幸的是，gym 和 dm_control 为 MuJoCo 2.00 安装预期不同的路径，这就是为什么您需要同时将其安装到~/.mujoco/mujoco200_{platform} 和~/.mujoco/mujoco200。最简单的方法是从~/.mujoco/mujoco200_{platform} ->~/.mujoco/mujoco200 创建一个符号链接，命令如下：ln -s ~/.mujoco/mujoco200_{platform} ~/.mujoco/mujoco200。
创建并激活 conda
暂无开放 Issues，或尚未同步最近议题。