[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Khrylx--PyTorch-RL":3,"tool-Khrylx--PyTorch-RL":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":75,"owner_location":76,"owner_email":77,"owner_twitter":78,"owner_website":75,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":10,"env_os":89,"env_gpu":90,"env_ram":91,"env_deps":92,"category_tags":99,"github_topics":100,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":150},4524,"Khrylx\u002FPyTorch-RL","PyTorch-RL","PyTorch implementation of Deep Reinforcement Learning: Policy Gradient methods (TRPO, PPO, A2C) and Generative Adversarial Imitation Learning (GAIL). Fast Fisher vector product TRPO.","PyTorch-RL 是一个基于 PyTorch 框架构建的深度强化学习开源库，专注于实现策略梯度方法（包括 TRPO、PPO 和 A2C）以及生成对抗模仿学习（GAIL）。它主要解决了研究人员和开发者在复现经典强化学习算法时面临的代码从零搭建难、训练效率低以及多环境并行采样复杂等痛点。\n\n这款工具特别适合从事人工智能研究的学者、算法工程师以及希望深入理解强化学习底层逻辑的开发者使用。无论是需要处理离散还是连续动作空间的任务，PyTorch-RL 都能提供稳健的支持。其独特的技术亮点在于高效的工程优化：支持多进程并行采样，使数据收集速度比单线程提升高达 8 倍；同时针对 TRPO 算法中计算复杂的 Fisher 向量积进行了专门加速，显著提升了训练性能。此外，它还提供了清晰的示例代码，帮助用户快速在 Gym 或 MuJoCo 环境中上手实验，是探索智能体决策与模仿学习的得力助手。","# PyTorch implementation of reinforcement learning algorithms\nThis repository contains:\n1. policy gradient methods (TRPO, PPO, A2C)\n2. [Generative Adversarial Imitation Learning (GAIL)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1606.03476.pdf)\n\n## Important notes\n- The code now works for PyTorch 0.4. For PyTorch 0.3, please check out the 0.3 branch.\n- To run mujoco environments, first install [mujoco-py](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py) and [gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym).\n- If you have a GPU, I recommend setting the OMP_NUM_THREADS to 1 (PyTorch will create additional threads when performing computations which can damage the performance of multiprocessing. This problem is most serious with Linux, where multiprocessing can be even slower than a single thread):\n```\nexport OMP_NUM_THREADS=1\n```\n\n## Features\n* Support discrete and continous action space.\n* Support multiprocessing for agent to collect samples in multiple environments simultaneously. (x8 faster than single thread)\n* Fast Fisher vector product calculation. For this part, Ankur kindly wrote a [blog](http:\u002F\u002Fwww.telesens.co\u002F2018\u002F06\u002F09\u002Fefficiently-computing-the-fisher-vector-product-in-trpo\u002F) explaining the implementation details.\n## Policy gradient methods\n* [Trust Region Policy Optimization (TRPO)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1502.05477.pdf) -> [examples\u002Ftrpo_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Ftrpo_gym.py)\n* [Proximal Policy Optimization (PPO)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1707.06347.pdf) -> [examples\u002Fppo_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Fppo_gym.py)\n* [Synchronous A3C (A2C)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1602.01783.pdf) -> [examples\u002Fa2c_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Fa2c_gym.py)\n\n### Example\n* python examples\u002Fppo_gym.py --env-name Hopper-v2\n\n### Reference\n* [ikostrikov\u002Fpytorch-trpo](https:\u002F\u002Fgithub.com\u002Fikostrikov\u002Fpytorch-trpo)\n* [openai\u002Fbaselines](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fbaselines)\n\n\n## Generative Adversarial Imitation Learning (GAIL)\n### To save trajectory\n* python gail\u002Fsave_expert_traj.py --model-path assets\u002Flearned_models\u002FHopper-v2_ppo.p\n### To do imitation learning\n* python gail\u002Fgail_gym.py --env-name Hopper-v2 --expert-traj-path assets\u002Fexpert_traj\u002FHopper-v2_expert_traj.p\n","# 强化学习算法的 PyTorch 实现\n本仓库包含：\n1. 策略梯度方法（TRPO、PPO、A2C）\n2. [生成对抗模仿学习（GAIL）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1606.03476.pdf)\n\n## 重要提示\n- 当前代码适用于 PyTorch 0.4。若使用 PyTorch 0.3，请切换到 0.3 分支。\n- 要运行 MuJoCo 环境，需先安装 [mujoco-py](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py) 和 [gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym)。\n- 若您拥有 GPU，建议将 OMP_NUM_THREADS 设置为 1（PyTorch 在执行计算时会创建额外线程，这可能影响多进程性能。该问题在 Linux 系统下尤为严重，可能导致多进程效率低于单线程）：\n```\nexport OMP_NUM_THREADS=1\n```\n\n## 功能特性\n* 支持离散和连续动作空间。\n* 支持多进程，使智能体能够同时在多个环境中收集样本。（速度比单线程快 8 倍）\n* 快速计算 Fisher 向量乘积。对此部分，Ankur 撰写了一篇[博客](http:\u002F\u002Fwww.telesens.co\u002F2018\u002F06\u002F09\u002Fefficiently-computing-the-fisher-vector-product-in-trpo\u002F)详细解释了实现细节。\n\n## 策略梯度方法\n* [信任域策略优化（TRPO）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1502.05477.pdf) -> [examples\u002Ftrpo_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Ftrpo_gym.py)\n* [近端策略优化（PPO）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1707.06347.pdf) -> [examples\u002Fppo_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Fppo_gym.py)\n* [同步 A3C（A2C）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1602.01783.pdf) -> [examples\u002Fa2c_gym.py](https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fmaster\u002Fexamples\u002Fa2c_gym.py)\n\n### 示例\n* python examples\u002Fppo_gym.py --env-name Hopper-v2\n\n### 参考\n* [ikostrikov\u002Fpytorch-trpo](https:\u002F\u002Fgithub.com\u002Fikostrikov\u002Fpytorch-trpo)\n* [openai\u002Fbaselines](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fbaselines)\n\n## 生成对抗模仿学习（GAIL）\n### 保存专家轨迹\n* python gail\u002Fsave_expert_traj.py --model-path assets\u002Flearned_models\u002FHopper-v2_ppo.p\n### 进行模仿学习\n* python gail\u002Fgail_gym.py --env-name Hopper-v2 --expert-traj-path assets\u002Fexpert_traj\u002FHopper-v2_expert_traj.p","# PyTorch-RL 快速上手指南\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **Python 版本**：兼容 Python 3.x\n*   **PyTorch 版本**：本代码库主要支持 **PyTorch 0.4**。如果您使用的是 PyTorch 0.3，请切换至项目的 `0.3` 分支。\n*   **强化学习环境**：若需运行 MuJoCo 环境（如 Hopper, Humanoid 等），必须预先安装以下依赖：\n    *   [mujoco-py](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py)\n    *   [gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym)\n*   **硬件加速（可选但推荐）**：如果您使用 GPU 进行训练，为避免多线程计算冲突导致性能下降（特别是在 Linux 系统下），建议在运行前设置环境变量：\n    ```bash\n    export OMP_NUM_THREADS=1\n    ```\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL.git\n    cd PyTorch-RL\n    ```\n\n2.  **安装 Python 依赖**\n    建议先配置国内镜像源（如清华源或阿里源）以加速安装：\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *(注：若项目中无 requirements.txt 文件，请手动安装 `torch`, `gym`, `mujoco-py` 等核心库)*\n\n3.  **安装 MuJoCo 相关依赖（如需运行复杂物理环境）**\n    ```bash\n    pip install mujoco-py gym -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *注意：使用 `mujoco-py` 通常需要有效的 MuJoCo 许可证密钥。*\n\n## 基本使用\n\n本项目支持离散和连续动作空间，并提供了多种策略梯度算法（TRPO, PPO, A2C）及生成对抗模仿学习（GAIL）。\n\n### 1. 运行策略梯度算法 (PPO 示例)\n\n以下命令使用 PPO 算法在 `Hopper-v2` 环境中进行训练：\n\n```bash\npython examples\u002Fppo_gym.py --env-name Hopper-v2\n```\n\n其他可用算法示例：\n*   **TRPO**: `python examples\u002Ftrpo_gym.py --env-name Hopper-v2`\n*   **A2C**: `python examples\u002Fa2c_gym.py --env-name Hopper-v2`\n\n### 2. 运行生成对抗模仿学习 (GAIL)\n\nGAIL 流程分为两步：首先保存专家轨迹，然后进行模仿学习。\n\n**第一步：保存专家轨迹**\n```bash\npython gail\u002Fsave_expert_traj.py --model-path assets\u002Flearned_models\u002FHopper-v2_ppo.p\n```\n\n**第二步：执行模仿学习**\n```bash\npython gail\u002Fgail_gym.py --env-name Hopper-v2 --expert-traj-path assets\u002Fexpert_traj\u002FHopper-v2_expert_traj.p\n```\n\n### 特性提示\n*   **多进程加速**：代码默认支持多进程采样，相比单线程速度提升约 8 倍。\n*   **高效计算**：针对 TRPO 算法优化了 Fisher 向量积的计算效率。","某机器人研发团队正致力于让双足机器人在复杂地形中实现稳定行走，需要训练智能体掌握高精度的连续动作控制策略。\n\n### 没有 PyTorch-RL 时\n- 团队需从零复现 TRPO 或 PPO 等复杂算法，尤其是 TRPO 中耗时的 Fisher 向量积计算，开发周期长达数周且极易出错。\n- 在单线程环境下采集样本效率极低，训练一个 Hopper-v2 行走模型往往需要数天时间，严重拖慢迭代节奏。\n- 缺乏对离散和连续动作空间的统一支持，切换不同任务时需大幅重构代码底层逻辑。\n- 难以利用专家数据进行模仿学习，若想通过 GAIL 让机器人模仿人类步态，需自行搭建对抗生成网络框架。\n\n### 使用 PyTorch-RL 后\n- 直接调用内置的高效 TRPO 实现，利用其优化的 Fisher 向量积算法，将核心算法部署时间从数周缩短至几天。\n- 启用多进程采样功能，在多个环境中并行收集数据，样本采集速度提升 8 倍，显著加速模型收敛。\n- 一套代码即可无缝支持离散决策与连续电机控制，灵活适配抓取、行走等多种机器人任务。\n- 直接使用集成的 GAIL 模块，加载专家轨迹文件即可启动模仿学习，快速让机器人习得流畅的自然步态。\n\nPyTorch-RL 通过提供高效、并行的深度强化学习原语，将机器人控制算法的研发重心从“造轮子”转移到了“调优策略”本身。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKhrylx_PyTorch-RL_2b8c3bcc.png","Khrylx","Ye Yuan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FKhrylx_0c84ac75.jpg",null,"Santa Clara, CA","yyuan2@cs.cmu.edu","KhrylxYe","https:\u002F\u002Fgithub.com\u002FKhrylx",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,1277,191,"2026-04-04T21:39:02","MIT","Linux, macOS","非必需（支持 CPU），若有 GPU 建议设置 OMP_NUM_THREADS=1 以优化多进程性能；未指定具体型号、显存或 CUDA 版本","未说明",{"notes":93,"python":94,"dependencies":95},"代码当前适用于 PyTorch 0.4 版本，若使用 PyTorch 0.3 请切换至对应分支。运行 MuJoCo 环境前需安装 mujoco-py 和 gym 库。在 Linux 系统上使用 GPU 时，强烈建议将环境变量 OMP_NUM_THREADS 设置为 1，以防止 PyTorch 创建额外线程导致多进程性能下降。支持离散和连续动作空间，并支持多进程采样。","未说明（需兼容 PyTorch 0.3 或 0.4）",[96,97,98],"torch==0.4","mujoco-py","gym",[14],[101,102,103,104,105,106,107,108,109,110,111],"reinforcement-learning","policy-gradient","pytorch-rl","proximal-policy-optimization","trpo","ppo","pytorch","a2c","generative-adversarial-network","fisher-vectors","deep-reinforcement-learning","2026-03-27T02:49:30.150509","2026-04-07T00:48:25.505949",[115,120,125,130,135,140,145],{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},20595,"在基于 CPU 的训练中使用多进程时，代码卡住或无法计算动作怎么办？","这个问题通常发生在基于 CPU 的训练中。维护者已在代码中添加了修复方案（设置 multiprocessing 的启动方法），具体代码见：https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002F72069237b4d86bcb9675b899ea94228019a4f003\u002Fcore\u002Fagent.py#L7。更新代码后，您无需手动设置，也不会影响其他程序。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F27",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},20596,"在 GAIL（生成对抗模仿学习）实现中，为什么奖励是判别器的对数（log discriminator），且符号与原始论文看起来不同？","代码中的判别器 D 实际上等价于原始论文中的 -D。判别器的更新目标是让生成数据输出 1，专家数据输出 0。因此，策略更新的目标是最小化判别器的输出，即最大化 `-log(D(g_o))` 作为奖励，这构成了所谓的对抗训练。相关代码逻辑可参考：https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fd94e1479403b2b918294d6e9b0dc7869e893aa1b\u002Fgail\u002Fgail_gym.py#L125-L126 和 https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fblob\u002Fd94e1479403b2b918294d6e9b0dc7869e893aa1b\u002Fcore\u002Fagent.py#L42。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F25",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},20597,"GAIL 训练过程中，每次迭代是否使用了全部的专家数据？生成器和判别器的数据量不匹配怎么办？","是的，当前实现可能在每次迭代中使用了全部专家数据。为了公平起见并匹配生成器的数据量，建议从完整的专家数据池中随机采样（uniformly random）一批专家数据，使其数量与生成器产生的数据样本数量一致。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F18",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},20598,"使用 RNN 策略网络（如 GRU）配合 TRPO 算法时，遇到 \"CudnnRNN is not differentiable twice\" 错误如何解决？","这是一个已知的 CUDA\u002FcuDNN 兼容性问题。解决方案有两种：1. 尝试更改 CUDA 版本（如果环境允许）；2. 改用 PPO 算法代替 TRPO，PPO 不需要二次求导，通常能提供相似的性能且避免此错误。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F1",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},20599,"在 TRPO 的 KL 散度计算代码中，为什么 action_prob0 和 action_prob1 看起来是一样的？","这是符合 TRPO 论文原理的。KL 散度的海森矩阵（Hessian）是在旧参数 θ_old 处计算的。代码中 `action_prob0` 代表旧策略 π_old，虽然数值上与 `action_prob1` 相同，但通过 `.detach()` 操作将其从计算图中分离，确保梯度不会回传给它，从而正确计算相对于新策略的 KL 散度。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F21",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},20600,"运行代码时出现 \"ImportError: No module named autograd\" 错误怎么办？","这通常是因为使用了 Python 2.7 版本。该仓库需要 Python 3.5 或更高版本（如 Python 3.6）。请检查您的 Python 版本，并切换到 Python 3 环境运行。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F3",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},20601,"在计算优势函数（advantage）时，为什么要乘以 'mask' 变量？mask 的取值范围是什么？","乘以 'mask' 是为了处理 episod 结束的情况（例如当 episode 终止时，后续的回报不应被累积）。Mask 通常是一个二进制掩码（0 或 1），用于在遇到终端状态时将后续的优势估计截断为 0，确保只计算当前有效步骤的优势。","https:\u002F\u002Fgithub.com\u002FKhrylx\u002FPyTorch-RL\u002Fissues\u002F23",[]]