ดาวน์โหลด pgx - ดาวน์โหลดซอร์สโค้ด pgx

pgx

โค้ดแหล่งที่มา AI

v2.5.0

ดาวน์โหลด

คอลเลกชันของเกมจำลองแบบขนานที่เร่งด้วย GPU สำหรับการเรียนรู้แบบเสริมกำลัง (RL)

บันทึก

หากคุณพบว่าโครงการนี้มีประโยชน์ เราจะขอบคุณสำหรับการสนับสนุนของคุณผ่านดาว GitHub เพื่อช่วยให้ชุมชนของเราเติบโตและกระตุ้นให้เกิดการพัฒนาต่อไป!

v1 ไพ่นกกระจอกที่เรียบง่ายและเป็นมิตรกับเด็ก ทิกแทคโท
"tic_tac_toe" v0 ชนะติดต่อกันสามนัด

นโยบายการกำหนดเวอร์ชัน

แต่ละสภาพแวดล้อมได้รับการกำหนดเวอร์ชัน และเวอร์ชันจะเพิ่มขึ้นเมื่อมีการเปลี่ยนแปลงที่ส่งผลต่อประสิทธิภาพของเอเจนต์ หรือเมื่อมีการเปลี่ยนแปลงที่เข้ากันไม่ได้กับ API แบบย้อนหลัง หากคุณต้องการดำเนินการทำซ้ำได้อย่างสมบูรณ์ เราขอแนะนำให้คุณตรวจสอบเวอร์ชันของ Pgx และแต่ละสภาพแวดล้อมดังต่อไปนี้:

 > >> pgx . __version__
'1.0.0'
> >> env . version
'v0'

ดูเพิ่มเติม

Pgx มีวัตถุประสงค์เพื่อเสริม สภาพแวดล้อม JAX-native เหล่านี้ด้วยชุดเกมกระดาน (คลาสสิก):

RobertTLange/gymnax: การใช้งาน JAX ของสภาพแวดล้อม RL ยอดนิยม (การควบคุมแบบคลาสสิก, bsuite, MinAtar ฯลฯ ) และงาน meta RL
google/brax: การจำลองฟิสิกส์ของวัตถุแข็งใน JAX และงาน RL ในอวกาศต่อเนื่อง (มด การดึงข้อมูล หุ่นยนต์ฮิวแมนนอยด์ ฯลฯ)
instadeepai/jumanji: ชุดสภาพแวดล้อม RL ที่หลากหลายและท้าทายใน JAX (การบรรจุถังขยะ ปัญหาการกำหนดเส้นทาง ฯลฯ)
flairox/jaxmarl: สภาพแวดล้อม Multi-Agent RL ใน JAX (StarCraft แบบง่าย ฯลฯ)
corl-team/xland-minigrid: สภาพแวดล้อม Meta-RL gridworld ใน JAX ที่ได้รับแรงบันดาลใจจาก MiniGrid และ XLand
MichaelTMatthews/Craftax: (Crafter + NetHack) ใน JAX สำหรับ RL แบบปลายเปิด
epignatelli/navix: การใช้งาน MiniGrid อีกครั้งใน JAX

การรวม Pgx เข้ากับ อัลกอริธึม/การใช้งาน JAX-native เหล่านี้อาจเป็นทิศทางที่น่าสนใจ:

เฟรมเวิร์ก Anakin: เฟรมเวิร์ก RL ที่มีประสิทธิภาพสูงซึ่งทำงานร่วมกับสภาพแวดล้อม JAX-native บน TPU
deepmind/mctx: การใช้งาน MCTS ดั้งเดิมของ JAX รวมถึง AlphaZero และ MuZero
deepmind/rlax: ส่วนประกอบ RL ดั้งเดิมของ JAX
google/evojax: วิวัฒนาการทางระบบประสาทที่เร่งด้วยฮาร์ดแวร์
RobertTLange/evosax: การใช้กลยุทธ์วิวัฒนาการดั้งเดิมของ JAX (ES)
หุ่นยนต์อัจฉริยะที่ปรับตัวได้/QDax: อัลกอริธึม JAX-native Quality-Diversity (QD)
luchris429/purejaxrl: การใช้งาน RL ดั้งเดิมของ Jax

ข้อจำกัด

ในปัจจุบัน สภาพแวดล้อมบางอย่าง เช่น Go และหมากรุก ทำงานได้ไม่ดีบน TPU โปรดใช้ GPU แทน

การอ้างอิง

หากคุณใช้ Pgx ในงานของคุณ โปรดอ้างอิงเอกสารของเรา:

 @inproceedings{koyamada2023pgx,
  title={Pgx: Hardware-Accelerated Parallel Game Simulators for Reinforcement Learning},
  author={Koyamada, Sotetsu and Okano, Shinri and Nishimori, Soichiro and Murata, Yu and Habara, Keigo and Kita, Haruka and Ishii, Shin},
  booktitle={Advances in Neural Information Processing Systems},
  pages={45716--45743},
  volume={36},
  year={2023}
}