yaaf：又一个代理框架
yaaf的Python项目详细描述
yaaf：又一个代理框架
一个极简强化学习框架。
安装
$ pip install yaaf # Install YAAF
$ pip install gym[atari] # Install OpenAI Gym's Atari environments
$ git clone https://github.com/jmribeiro/yaaf # Clone the repo for the examples and tutorials
$ cd yaaf/examples
$ python 0_space_invaders_random_agent.py # Run example
快速原型设计：只需几行代码就可以轻松地在环境中设置代理：
# Setup the Environment environment = OpenAIGymEnvironment(name="SpaceInvaders-v0", render=True) # Setup the Agent agent = RandomAgent(environment.action_space) # Run the agent on the environment for 5 episodes runner = EpisodeRunners(agent, environment, episodes=5) runner.run() environment.close()简单性
状态：具有给定形状的张量/numpy数组；
actions：如果是离散动作空间，则为整数；如果是连续动作空间，则为浮点数；
timesteps：以（state，action，reward，next，is_terminal，info）形式命名的元组
agents：给定状态时能够执行操作的对象。如果可以训练，在给定时间段时能够学习
environments：随时间演变的对象，在这些对象中，代理可以执行操作；
runners：在环境中与参与者（代理或策略）交互的对象，在每个时间步通知观察者列表；
metrics：在给定运行中评估代理或策略性能的对象。作为观察物传给赛跑者。
presenters（todo）：在给定运行中显示代理性能的对象。用于绘图和比较代理。
结果再现性：
在给定的环境中创建和评估代理之后，可以将代理持久保存到磁盘上，这样程序员就可以加载经过预训练的代理，并在不同的场景中对它们进行比较。
实现的代理：
- dqn（https://storage.googleapis.com/deepmind-media/dqn/DQNNaturePaper.pdf）
- q网络（http://ml.informatik.uni-freiburg.de/former/_media/publications/rieecml05.pdf）
- qlearning（https://link.springer.com/content/pdf/10.1007%2FBF00992698.pdf）
- 萨尔萨
计划的代理：
- [待办事项]ddqn（https://arxiv.org/abs/1509.06461）
- [待办事项]a3c（https://arxiv.org/pdf/1602.01783.pdf）
- [待办事项]GA3C（https://arxiv.org/pdf/1611.06256.pdf）
- [待办事项]DDPG（https://arxiv.org/pdf/1509.02971.pdf）
- [待办事项]PPO（https://arxiv.org/abs/1707.06347）
欢迎加入QQ群-->： 979659372
