Ressourcen - IMPALA: Skalierbare verteilte Deep-RL mit importance-weighted Akteur-Lerner-Architekturen | Paper | HyperAI

HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers
IMPALA: Skalierbare verteilte Deep-RL mit importance-weighted Akteur-Lerner-Architekturen

vor 7 Monaten

Verstärkendes Lernen

Multi-Task-Lernen

Forschungsgebiet

Ansatz/Rahmenwerk

Zusammenfassung Paper Benchmarks Ressourcen

seolhokim/SimpleDistributedRL

pytorch

jax

ray-project/ray/tree/master/rllib41.1k

google-deepmind/streetlearn

tf

crazydonkey200/neural-symbolic-machines

tf

deepmind/streetlearn

tf

jax

jerrodparker20/adaptive-transformers-in-rl

pytorch

facebookresearch/torchbeast

pytorch

deepmind/scalable_agent

Offiziell

tf

villinvic/Georges

windstrip/DeepMind-StreetLearn

tf

Sheepsody/Batched-Impala-PyTorch

pytorch

heiner/scalable_agent

tf

google-research/valan

tf

facebookresearch/gala

pytorch

theSparta/neural-symbolic-machines

tf

michaelnny/deep_rl_zoo

pytorch

seolhokim/DistributedRL-Pytorch-Ray

pytorch

google-deepmind/scalable_agent

tf

pytorch

threewisemonkeys-as/torched_impala

pytorch

opendilab/DI-engine/blob/main/ding/policy/impala.py3.6k

pytorch

urw7rs/spiralpp

pytorch

github.com/deepmind/scalable_agent

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers
IMPALA: Skalierbare verteilte Deep-RL mit importance-weighted Akteur-Lerner-Architekturen

vor 7 Monaten

Verstärkendes Lernen

Multi-Task-Lernen

Forschungsgebiet

Ansatz/Rahmenwerk

Zusammenfassung Paper Benchmarks Ressourcen

seolhokim/SimpleDistributedRL

pytorch

jax

ray-project/ray/tree/master/rllib41.1k

google-deepmind/streetlearn

tf

crazydonkey200/neural-symbolic-machines

tf

deepmind/streetlearn

tf

jax

jerrodparker20/adaptive-transformers-in-rl

pytorch

facebookresearch/torchbeast

pytorch

deepmind/scalable_agent

Offiziell

tf

villinvic/Georges

windstrip/DeepMind-StreetLearn

tf

Sheepsody/Batched-Impala-PyTorch

pytorch

heiner/scalable_agent

tf

google-research/valan

tf

facebookresearch/gala

pytorch

theSparta/neural-symbolic-machines

tf

michaelnny/deep_rl_zoo

pytorch

seolhokim/DistributedRL-Pytorch-Ray

pytorch

google-deepmind/scalable_agent

tf

pytorch

threewisemonkeys-as/torched_impala

pytorch

opendilab/DI-engine/blob/main/ding/policy/impala.py3.6k

pytorch

urw7rs/spiralpp

pytorch

github.com/deepmind/scalable_agent

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

7

7

1.4k

1.4k

317

317

382

382

317

317

3.2k

3.2k

136

136

752

752

1.0k

1.0k

1.0k

1.0k

8

8

1

1

13

13

2

2

84

84

20

20

3

3

121

121

27

27

1.0k

1.0k

15

15

5

5

11

11