有用资源

TorchRL 论文

要详细了解 TorchRL 的理念、它试图解决的问题以及对其总体功能的了解，请参考TorchRL 论文。

我们还为您准备了一些介绍视频，让您更好地了解该库，请查阅

• TorchRL 在 2022 年 PyTorch Day 的介绍

• PyTorch 2.0 问答：TorchRL

PyTorch 文档

请参阅此处

functorch 文档

请参阅此处

有用的强化学习代码库、博客和网站

教育资源

• 深度强化学习入门

• Hugging Face 课程大纲

• 来自 Deepmind 的强化学习讲座

• 最佳基准

• Awesome RL：精选强化学习资源

• 强化学习简要总结

论坛

• PyTorch 强化学习讨论

• Reddit 强化学习区

代码库

为了完整性，我们提供一份强化学习库列表。有些库可能不再积极维护，但它们仍然提供了使用或不使用 PyTorch 的强化学习解决方案的良好示例。

• ReAgent：用于生产环境的强化学习

• Stable-baselines3

• TF-Agent：Tensorflow 中的 bandits 和强化学习算法

• keras-rl：用于 Keras 的深度强化学习

• Acme：一个用于强化学习的研究框架

• dopamine：一个用于强化学习算法快速原型开发的研究框架

• salina：一个用于学习序列智能体（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：使用 TF 和 Torch 的工业级强化学习

• sample-factory：高吞吐量异步强化学习

• cherry：一个用于强化学习研究的 PyTorch 库

• JaxRL：用于具有连续动作空间的深度强化学习算法的实现

• MBRL-lib：一个用于 PyTorch 中基于模型的强化学习的库

• RLMeta：一个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：多任务强化学习基准