stable-baselines3

Stable Baselines3（SB3）提供了一套基于PyTorch构建的可靠强化学习（RL）算法实现集合。它为研究界和工业界提供了一个稳定的基础，使其无需从零开始实现算法，即可复现、优化和比较各种强化学习方法。 主要特点包括： - 支持采用统一sklearn风格接口的前沿RL方法。 - 支持自定义环境、自定义策略和自定义回调。 - 兼容字典观测空间和Tensorboard监控工具。 - 高代码覆盖率、类型注解及符合PEP8规范。 - 集成Weights & Biases用于实验跟踪，以及Hugging Face用于模型共享。 已实现的算法包括A2C、ARS、DDPG、DQN、HER、PPO、SAC、TD3等。部分实验性功能（如循环PPO和TQC）可通过SB3-Contrib仓库获得，而基于Jax的版本（SBX）则可提供更高的性能。 该项目还关联了RL Baselines3 Zoo，这是一个训练框架，提供了用于常见环境的训练、评估智能体以及调优超参数的脚本。