一個(gè)基于TF2.0的強(qiáng)化學(xué)習(xí)訓(xùn)練工具

近日，Github 一位開(kāi)發(fā)者 danaugrs 開(kāi)源了一個(gè)新項(xiàng)目——Huskarl，一個(gè)專注研究和快速原型的深度強(qiáng)化學(xué)習(xí)框架。

此框架基于 TensorFlow 2.0 構(gòu)建，使用了 tf.keras API，保證了其簡(jiǎn)潔性和可讀性。Huskarl 可以使多環(huán)境的并行計(jì)算變得很容易，這將對(duì)加速策略學(xué)習(xí)算法（比如 A2C 和 PPO）非常有用。此外，Huskarl 還可以與 OpenAI Gym 環(huán)境無(wú)縫結(jié)合，并將計(jì)劃支持多代理環(huán)境和 Unity3D 環(huán)境。

OpenAI Gym：2016 年 OpenAI 發(fā)布的一個(gè)可以開(kāi)發(fā)、對(duì)比強(qiáng)化學(xué)習(xí)算法的工具包，提供了各種環(huán)境、模擬任務(wù)等，任何人都可以在上面訓(xùn)練自己的算法。

Unity3D：一個(gè)全面整合的專業(yè)游戲引擎，由 Unity Technologies 開(kāi)發(fā)的一款可以讓玩家輕松創(chuàng)建三維視頻游戲、實(shí)時(shí)三維動(dòng)畫(huà)等類型互動(dòng)內(nèi)容的多平臺(tái)綜合型游戲開(kāi)發(fā)工具。

目前，Huskarl 已經(jīng)支持了 DQN（Deep Q-Learning Network）、Multi-step DQN、Double DQN、A2C（Advantage Actor-Critic）等算法，還有 DDPG（Deep Deterministic Policy Gradient）、PPO（Proximal Policy Optimization）、Curiosity-Driven Exploration 等算法在計(jì)劃中。

最重要的是，TF 2.0 的 nightly 已經(jīng)發(fā)布，這個(gè)開(kāi)源工具也是基于 TF2.0 開(kāi)發(fā)的，所以大家要先安裝一下 tf 2.0 nighty 版本。除此之外，還需要安裝以下工具和環(huán)境：

這個(gè)工具還是新鮮出爐燙手的呢，大家趕緊來(lái)嘗鮮試一下~

地址：

https://github.com/danaugrs/huskarl