TensorFlow Agents

TensorFlow Agents ist eine Bibliothek für Reinforcement Learning in TensorFlow, die das Design, die Implementierung und das Testen neuer RL-Algorithmen erleichtert. Die Bibliothek bietet modulare Komponenten, die leicht modifiziert und erweitert werden können, um eine schnelle Code-Iteration mit guten Test-Integrationen und Benchmarking zu ermöglichen.

Installation

Die Installation von TensorFlow Agents kann auf drei Arten erfolgen: über die stabile Version, die nightly Version oder direkt aus dem GitHub-Repository.

Stabile Version

Die stabile Version kann mit dem folgenden Befehl installiert werden: $ pip install --user tf-agents[reverb]

Nightly Version

Die nightly Version kann mit dem folgenden Befehl installiert werden: $ pip install --user --force-reinstall tf-nightly $ pip install --user --force-reinstall tf-keras-nightly $ pip install --user --force-reinstall tfp-nightly $ pip install --user --force-reinstall dm-reverb-nightly $ pip install --user --upgrade tf-agents-nightly

Aus dem GitHub-Repository

Das GitHub-Repository kann mit dem folgenden Befehl geklont werden: $ git clone https://github.com/tensorflow/agents.git $ cd agents $ git checkout v0.19.0 Danach können die Abhängigkeiten mit dem folgenden Befehl installiert werden: $ pip install -e .[tests]

Verfügbare Algorithmen

TensorFlow Agents bietet derzeit die folgenden Algorithmen:

• DQN: Human level control through deep reinforcement learning (Mnih et al., 2015)
• DDQN: Deep Reinforcement Learning with Double Q-learning (Hasselt et al., 2015)
• DDPG: Continuous control with deep reinforcement learning (Lillicrap et al., 2015)
• TD3: Addressing Function Approximation Error in Actor-Critic Methods (Fujimoto et al., 2018)
• REINFORCE: Simple Statistical Gradient-Following Algorithms for Connectionist Reinforcement Learning (Williams, 1992)
• PPO: Proximal Policy Optimization Algorithms (Schulman et al., 2017)
• SAC: Soft Actor Critic (Haarnoja et al., 2018)

Tutorials und Beispiele

TensorFlow Agents bietet eine Vielzahl von Tutorials und Beispielen, um den Einstieg in die Bibliothek zu erleichtern. Diese können auf der offiziellen TensorFlow-Website gefunden werden.

Beitrag

TensorFlow Agents ist ein Open-Source-Projekt und akzeptiert Beiträge von der Community. Wenn Sie interessiert sind, einen Beitrag zu leisten, lesen Sie bitte das CONTRIBUTING.md-Dokument.

Lizenz

TensorFlow Agents ist unter der Apache-2.0-Lizenz veröffentlicht.