实用资源

TorchRL 论文

要了解更多关于 TorchRL 理念、它试图解决的问题以及对其一般功能的了解，请参阅TorchRL 论文。

我们还为您准备了一些介绍性视频，以便您更好地了解该库，请查看它们

• 2022 年 PyTorch Day 上的 TorchRL 介绍

• PyTorch 2.0 问答：TorchRL

Pytorch 文档

请参阅此处

functorch 文档

请参阅此处

有用的 RL 仓库、博客和网站

教育资源

• Spinning Up in Deep RL

• Hugging face 教学大纲

• Deepmind 的 RL 讲座

• 最佳基准

• Awesome RL：精选的强化学习资源

• 强化学习的简明摘要

论坛

• PyTorch RL 讨论

• Reddit RL

仓库

为了完整性，我们提供 RL 库的列表。有些库没有积极维护，但它们仍然提供了使用和不使用 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：用于强化学习的研究框架

• dopamine：用于快速原型化强化学习算法的研究框架

• salina：用于学习序列代理（包括强化学习）的灵活而简单的库

• 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 的工业级强化学习

• 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：使用连续动作空间的深度强化学习算法的实现

• MBRL-lib：pytorch 中基于模型的 RL 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