5种用于Python的强化学习框架

5种用于Python的强化学习框架

从头开始编写自己的Reinforcement Learning实施可能会花费很多工作，但是您不需要这样做。 有许多出色，简单和免费的框架可让您在几分钟之内开始学习。

有很多标准的库用于监督和无监督的机器学习，例如Scikit-learn，XGBoost甚至Tensorflow，这些库可以立即让您入门，并且可以在线找到支持的日志。 可悲的是，对于强化学习(RL)并非如此。

并不是说没有框架，事实上，有很多RL框架。 问题是尚无标准，因此很难找到在线开始，解决问题或定制解决方案的支持。 这可能是由于以下事实造成的：尽管RL是一个非常受欢迎的研究主题，但它仍处于行业实施和使用的初期。

但这并不意味着就没有强大的框架可以帮助您启动并使用RL解决您喜欢的任何问题。 我在这里列出了一些我逐渐了解和使用的框架，以及它们的优缺点。 我希望这能为您提供有关当前可用的RL框架的快速概述，以便您可以选择更适合您的需求的框架。

1. Keras-RL

我必须从整个列表中承认，这是我的最爱。 我认为，到目前为止，它是几种RL算法的代码实现的最简单的理解，包括深度Q学习(DQN)，双DQN，深度确定性策略梯度(DDPG)，连续DQN(CDQN或NAF)，交叉熵方法(CEM) ，决斗DQN)和SARSA。 当我说"最容易理解的代码"时，我指的不是使用它，而是对其进行自定义并将其用作您的项目的构建块*。 Kera