投稿 提交工具 投放合作

CleanRL:单文件深度强化学习实现库

其他 10.7k(+4) 1.2k Python 2026-11-22 访问官网 ↗ 在 GitHub 打开

提供 PPO、DQN、SAC、DDPG、TD3 等算法的单文件高质量实现,附带基准测试、日志与实验管理功能。

CleanRL 是一个深度强化学习库,把每个算法变体的全部实现细节放进单个独立文件(如 ppo_atari.py 约 340 行),便于阅读和调试,也可用于原型化模块化库不支持的高级特性。已实现 PPO、DQN、C51、SAC、DDPG、TD3、PPG、RND、Qdagger 等 7+ 算法的多种变体,覆盖 Atari、Procgen、连续动作、LSTM、多 GPU、Isaac Gym、PettingZoo 等场景,并有 JAX 版本。功能包括 TensorBoard 日志、随机种子复现、游戏画面录制、Weights & Biases 实验管理、Docker 与 AWS 云集成。README 明确指出它不是模块化库、不打算被 import。项目有 JMLR 论文,配套 Open RL Benchmark 展示可交互的实验报告。

Star 趋势2026-11-11 — 2026-11-22当前 Stars 11k24h +47 日 +21

11k11-1111-1311-1511-1711-2011-22