有用资源

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能力的一些了解，请参阅TorchRL 论文。

我们还有一些入门视频供您更好地了解该库，请查看它们

• 2022 年 PyTorch 日的 TorchRL 简介

• PyTorch 2.0 问答：TorchRL

Pytorch 文档

参见此处

functorch 文档

参见此处

有用的 RL 代码库、博客和网站

教育资源

• 深度强化学习中的快速入门

• Hugging Face 教学大纲

• 来自 Deepmind 的强化学习讲座

• 最佳基准

• Awesome RL：精选的强化学习资源

• 强化学习的简洁总结

论坛

• PyTorch 强化学习讨论

• Reddit 强化学习

代码库

为了完整起见，我们提供了一个强化学习库列表。有些库没有得到积极维护，但它们仍然提供了使用和不使用 PyTorch 的强化学习解决方案的良好示例

• ReAgent：面向生产环境的强化学习

• Stable-baselines3

• TF-Agent：TensorFlow 中的强盗和强化学习算法

• keras-rl：Keras 的深度强化学习

• Acme：一个用于强化学习的研究框架

• dopamine：一个用于快速原型设计强化学习算法的研究框架

• salina：一个用于学习顺序代理（包括强化学习）的灵活且简单的库。

• 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：一个用于强化学习研究的 PyTorch 库

• JaxRL：具有连续动作空间的深度强化学习算法的实现

• MBRL-lib：PyTorch 中基于模型的强化学习库。

• 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：多任务强化学习基线