AdeptRLAI 强化学习框架

Adept 是一种强化学习框架，旨在通过抽象化与深度强化学习相关的工程挑战来加速研究。熟练提供：

• 多GPU训练


• 使用自定义网络，代理和环境的模块化界面


• PyTorch 的基线强化学习模型和算法


• 内置张量板日志记录，模型保存，重新加载，评估和渲染


• 经验证的超参数默认值

这段代码是抢先体验，可能会遇到麻烦。接口可能会发生变化。我们很高兴接受反馈和贡献。

性能

• 〜3,000步/秒= 12,000 FPS（Atari）
  
  
  
  • 本地模式
  
  
  • 64 位环境
  
  
  • GeForce 2080 Ti
  
  
  • 锐龙 2700x 8核
  
  


• 曾经在Doom比赛中获胜 （Ben Bell / Marv2in） 


• 训练 50M Steps/ 200M 帧


• 每集开始时最多可进行 30 次无操作


• 在不同的 SEED 上进行评估，而不是在训练过的 SEED 上进行评估


• 体系结构：Four Convs (F=32) ，然后是 LSTM（F = 512）


• 执行 python -m adept.app local --logdir ~/local64_benchmark --eval -y --nb-step 50e6 --env <env-id>