Tài liệu RLMatrix
RLMatrix cung cấp một framework học tăng cường toàn diện cho các nhà phát triển C# với hiệu suất vượt trội so với các giải pháp Python.
Tính năng chính
- Thư viện thuật toán toàn diện: Bao gồm PPO, DQN với tất cả các bổ sung phổ biến (lên đến C51 và DQN Rainbow), GAIL, và nhiều thuật toán khác đang được phát triển
- Quy trình DRL đột phá: Nhờ vào việc tạo mã nguồn C# trong bộ công cụ, bạn có thể tập trung vào vấn đề lĩnh vực của mình thay vì phải vật lộn với các yêu cầu API phức tạp - chỉ cần thêm thuộc tính vào mã của bạn và bộ công cụ sẽ tự động tạo ra tất cả các kết nối học tăng cường
- Hỗ trợ đa đầu ra: Xử lý không gian hành động liên tục, rời rạc và hỗn hợp đồng thời trong một agent duy nhất
- Tích hợp RNN: Kích hoạt mạng nơ-ron hồi quy với một tùy chọn đơn giản để xử lý các vấn đề theo trình tự hoặc khả quan sát một phần
- Triển khai thuần C#: Được xây dựng hoàn toàn bằng C# với backend TorchSharp, cung cấp hiệu suất gốc và an toàn kiểu dữ liệu hoàn chỉnh
- Sẵn sàng cho Game Engine: Đã được thử nghiệm thực tế trong Unity và Godot
- Hiệu suất vượt trội: Nhanh hơn và ổn định hơn so với stable-baselines, ml-agents của Python, và Godot RL agents
- Huấn luyện đa môi trường: Mở rộng việc học tập trên các môi trường song song (tùy chọn kết nối mạng)
- Huấn luyện phân tán cấp công nghiệp: Kiến trúc mạng hiệu suất cao, chống lỗi, sẵn sàng cho triển khai học tăng cường quy mô lớn
- Mã nguồn minh bạch: Codebase sạch, được tài liệu hóa tốt và dễ dàng mở rộng hoặc tùy chỉnh. Học tăng cường với Dependency Injection!
- Độ tin cậy sản xuất: Được thiết kế để ổn định trong các phiên huấn luyện kéo dài với khả năng chống lỗi