Skip to main content

Reinforcement Learning Tools

Project description

wjwgym(暂名): 强化学习工具包

基于PytorchOpenAI Gym实现强化学习训练涉及到:

  • 强化学习智能体编写
  • 神经网络创建
  • gym环境编写

wjwgym提供了常用强化学习智能体 DQN DDPG QLearning 的pytorch实现,完成了其中的通用部分。可以作为智能体编写的参考,也可以直接作为基类用于创建自己的强化学习智能体。同时实现了简单的神经网络和gym环境,可以作为实现的参考。

Agents

wjwgym.agents 中实现了DQNBase DDPGBaseLinearBase 三个基类,分别作为DQN DDPGQLearning/Sarsa 的通用抽象。

  • DQN_base
    或称DoubleDQN,在标准DQN基础上增加了经验回放和fixed_target。实现了标准的训练 获取动作 添加记录到经验回放池等方法,同时提供了自己实现神经网络构建的接口。
  • DDPG_base
    实现了DDPG通用的训练 获取动作 添加记录到经验回放池方法,同时提供Actor和Critic神经网络创建的接口。有默认的噪声函数实现,也支持自己实现噪声函数。
  • Linear_base 实现了线性学习通用的QTable,但训练函数需要自己创建。

Models

wjwgym.models 中实现了几种简单的神经网络,用于创建示例。

Envs

wjwgym.envs 中实现了简单的环境用于创建示例,在wjwgym.envs._init__中给出了将环境注册到gym中的方法。需要注意:

  • 需要将包安装到site-packages下
  • 需要 import wjwgym 或者 from wjwgym import envs__init__文件中的注册代码才会生效。

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

wjwgym-0.1.2.tar.gz (12.4 kB view details)

Uploaded Source

Built Distribution

wjwgym-0.1.2-py3-none-any.whl (16.8 kB view details)

Uploaded Python 3

File details

Details for the file wjwgym-0.1.2.tar.gz.

File metadata

  • Download URL: wjwgym-0.1.2.tar.gz
  • Upload date:
  • Size: 12.4 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/3.1.1 pkginfo/1.5.0.1 requests/2.22.0 setuptools/41.4.0 requests-toolbelt/0.9.1 tqdm/4.36.1 CPython/3.7.4

File hashes

Hashes for wjwgym-0.1.2.tar.gz
Algorithm Hash digest
SHA256 04849cfdee13801d67436ec2a4822676d32f43f9c7271278a6a0aa7ee53b3171
MD5 fa27da62af48c5736188db6637656084
BLAKE2b-256 842f7fd78827e1e95dac4d930c1a876bf667580415bedd9f09182bc45e2a1bdd

See more details on using hashes here.

File details

Details for the file wjwgym-0.1.2-py3-none-any.whl.

File metadata

  • Download URL: wjwgym-0.1.2-py3-none-any.whl
  • Upload date:
  • Size: 16.8 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/3.1.1 pkginfo/1.5.0.1 requests/2.22.0 setuptools/41.4.0 requests-toolbelt/0.9.1 tqdm/4.36.1 CPython/3.7.4

File hashes

Hashes for wjwgym-0.1.2-py3-none-any.whl
Algorithm Hash digest
SHA256 cfcbe88574d6b5c328f29cfb90ce303c676290fe98df6dad7870314ddb469e92
MD5 4fa0c1b44e8044294d0fda6603a0b45d
BLAKE2b-256 21d35ea932bc0c226d4f870838a9c02d73366ded0371a119de48cd9a3023d832

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page