CleanRL 教程

本教程展示了如何使用 CleanRL 从头开始实现训练算法，并在 Pistonball 环境中进行训练。

• 实现 PPO: 使用简单的 PPO 实现来训练智能体

• 高级 PPO: CleanRL 官方 PPO 示例，集成 CLI、TensorBoard 和 WandB

CleanRL 概览

CleanRL 是一个轻量级、高度模块化的强化学习库，提供高质量的单文件实现，并具有研究友好的特性。

更多信息请参阅文档。

使用 PettingZoo 的示例：

• PPO PettingZoo Atari 示例

WandB 集成

一个关键特性是 CleanRL 与 Weights & Biases (WandB) 的紧密集成：用于实验跟踪、超参数调优和基准测试。Open RL Benchmark 允许用户查看许多任务的公开排行榜，包括智能体在训练时间步长中的表现视频。