[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-rlcode--reinforcement-learning":3,"tool-rlcode--reinforcement-learning":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":23,"env_os":92,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":105,"github_topics":106,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":115,"updated_at":116,"faqs":117,"releases":153},2783,"rlcode\u002Freinforcement-learning","reinforcement-learning","Minimal and Clean Reinforcement Learning Examples","reinforcement-learning 是由 RLCode 团队维护的一个开源项目，旨在提供极简且代码整洁的强化学习算法示例。它解决了初学者和研究者在入门强化学习时，常因现有代码库过于复杂、封装过度而难以理解核心逻辑的痛点。\n\n该项目覆盖了从基础理论到深度强化学习的全流程内容。用户可以在简化的“网格世界”中掌握策略迭代、Q-Learning 等经典算法；也能通过 CartPole 平衡车和 Atari 游戏（如 Breakout、Pong）实战演练 DQN、A3C、策略梯度等前沿深度学习模型。其最大的技术亮点在于“单文件即算法”的设计理念，每个算法仅用一个清晰的代码文件呈现，去除了冗余的工程包装，让学习者能直观地看到数学公式如何转化为实际代码。\n\nreinforcement-learning 非常适合希望系统学习强化学习的开发者、高校学生以及科研人员。对于想要快速验证算法思路或寻找教学参考的用户来说，这里提供了高质量的代码范本。项目基于 Python、TensorFlow 和 Keras 构建，依赖明确，易于上手运行。无论是作为自学教程还是开发参考，它都能帮助用户轻松跨越理论与实","reinforcement-learning 是由 RLCode 团队维护的一个开源项目，旨在提供极简且代码整洁的强化学习算法示例。它解决了初学者和研究者在入门强化学习时，常因现有代码库过于复杂、封装过度而难以理解核心逻辑的痛点。\n\n该项目覆盖了从基础理论到深度强化学习的全流程内容。用户可以在简化的“网格世界”中掌握策略迭代、Q-Learning 等经典算法；也能通过 CartPole 平衡车和 Atari 游戏（如 Breakout、Pong）实战演练 DQN、A3C、策略梯度等前沿深度学习模型。其最大的技术亮点在于“单文件即算法”的设计理念，每个算法仅用一个清晰的代码文件呈现，去除了冗余的工程包装，让学习者能直观地看到数学公式如何转化为实际代码。\n\nreinforcement-learning 非常适合希望系统学习强化学习的开发者、高校学生以及科研人员。对于想要快速验证算法思路或寻找教学参考的用户来说，这里提供了高质量的代码范本。项目基于 Python、TensorFlow 和 Keras 构建，依赖明确，易于上手运行。无论是作为自学教程还是开发参考，它都能帮助用户轻松跨越理论与实践之间的鸿沟。","\u003Cp align=\"center\">\u003Cimg width=\"90%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Frlcode_reinforcement-learning_readme_f4e3eafc2f72.png\">\u003C\u002Fp>\n\n--------------------------------------------------------------------------------\n\n> Minimal and clean examples of reinforcement learning algorithms presented by [RLCode](https:\u002F\u002Frlcode.github.io) team. [[한국어]](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning-kr)\n>\n> Maintainers - [Woongwon](https:\u002F\u002Fgithub.com\u002Fdnddnjs), [Youngmoo](https:\u002F\u002Fgithub.com\u002Fzzing0907), [Hyeokreal](https:\u002F\u002Fgithub.com\u002FHyeokreal), [Uiryeong](https:\u002F\u002Fgithub.com\u002Fwooridle), [Keon](https:\u002F\u002Fgithub.com\u002Fkeon)\n\nFrom the basics to deep reinforcement learning, this repo provides easy-to-read code examples. One file for each algorithm.\nPlease feel free to create a [Pull Request](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fpulls), or open an [issue](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues)!\n\n## Dependencies\n1. Python 3.5\n2. Tensorflow 1.0.0\n3. Keras\n4. numpy\n5. pandas\n6. matplot\n7. pillow\n8. Skimage\n9. h5py\n\n### Install Requirements\n```\npip install -r requirements.txt\n```\n\n## Table of Contents\n\n**Grid World** - Mastering the basics of reinforcement learning in the simplified world called \"Grid World\"\n\n- [Policy Iteration](.\u002F1-grid-world\u002F1-policy-iteration)\n- [Value Iteration](.\u002F1-grid-world\u002F2-value-iteration)\n- [Monte Carlo](.\u002F1-grid-world\u002F3-monte-carlo)\n- [SARSA](.\u002F1-grid-world\u002F4-sarsa)\n- [Q-Learning](.\u002F1-grid-world\u002F5-q-learning)\n- [Deep SARSA](.\u002F1-grid-world\u002F6-deep-sarsa)\n- [REINFORCE](.\u002F1-grid-world\u002F7-reinforce)\n\n**CartPole** - Applying deep reinforcement learning on basic Cartpole game.\n\n- [Deep Q Network](.\u002F2-cartpole\u002F1-dqn)\n- [Double Deep Q Network](.\u002F2-cartpole\u002F2-double-dqn)\n- [Policy Gradient](.\u002F2-cartpole\u002F3-reinforce)\n- [Actor Critic (A2C)](.\u002F2-cartpole\u002F4-actor-critic)\n- [Asynchronous Advantage Actor Critic (A3C)](.\u002F2-cartpole\u002F5-a3c)\n\n**Atari** - Mastering Atari games with Deep Reinforcement Learning\n\n- **Breakout** - [DQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_dqn.py), [DDQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_ddqn.py) [Dueling DDQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_ddqn.py) [A3C](.\u002F3-atari\u002F1-breakout\u002Fbreakout_a3c.py)\n- **Pong** - [Policy Gradient](.\u002F3-atari\u002F2-pong\u002Fpong_reinforce.py)\n\n**OpenAI GYM** - [WIP]\n\n- Mountain Car - [DQN](.\u002F4-gym\u002F1-mountaincar)\n","\u003Cp align=\"center\">\u003Cimg width=\"90%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Frlcode_reinforcement-learning_readme_f4e3eafc2f72.png\">\u003C\u002Fp>\n\n--------------------------------------------------------------------------------\n\n> 由 [RLCode](https:\u002F\u002Frlcode.github.io) 团队提供的简洁、精炼的强化学习算法示例。[[韩语]](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning-kr)\n>\n> 维护者 - [Woongwon](https:\u002F\u002Fgithub.com\u002Fdnddnjs), [Youngmoo](https:\u002F\u002Fgithub.com\u002Fzzing0907), [Hyeokreal](https:\u002F\u002Fgithub.com\u002FHyeokreal), [Uiryeong](https:\u002F\u002Fgithub.com\u002Fwooridle), [Keon](https:\u002F\u002Fgithub.com\u002Fkeon)\n\n从基础到深度强化学习，这个仓库提供了易于阅读的代码示例。每个算法都单独放在一个文件中。\n欢迎随时创建[拉取请求](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fpulls)，或提交[问题](https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues)！\n\n## 依赖\n1. Python 3.5\n2. Tensorflow 1.0.0\n3. Keras\n4. numpy\n5. pandas\n6. matplot\n7. pillow\n8. Skimage\n9. h5py\n\n### 安装依赖\n```\npip install -r requirements.txt\n```\n\n## 目录\n\n**Grid World** - 在名为“Grid World”的简化环境中掌握强化学习的基础知识\n\n- [策略迭代](.\u002F1-grid-world\u002F1-policy-iteration)\n- [值迭代](.\u002F1-grid-world\u002F2-value-iteration)\n- [蒙特卡洛方法](.\u002F1-grid-world\u002F3-monte-carlo)\n- [SARSA](.\u002F1-grid-world\u002F4-sarsa)\n- [Q学习](.\u002F1-grid-world\u002F5-q-learning)\n- [深度SARSA](.\u002F1-grid-world\u002F6-deep-sarsa)\n- [REINFORCE](.\u002F1-grid-world\u002F7-reinforce)\n\n**CartPole** - 将深度强化学习应用于经典的 Cartpole 游戏。\n\n- [深度 Q 网络](.\u002F2-cartpole\u002F1-dqn)\n- [双深度 Q 网络](.\u002F2-cartpole\u002F2-double-dqn)\n- [策略梯度](.\u002F2-cartpole\u002F3-reinforce)\n- [Actor-Critic (A2C)](.\u002F2-cartpole\u002F4-actor-critic)\n- [异步优势 Actor-Critic (A3C)](.\u002F2-cartpole\u002F5-a3c)\n\n**Atari** - 使用深度强化学习通关 Atari 游戏\n\n- **Breakout** - [DQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_dqn.py), [DDQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_ddqn.py) [斗士型 DDQN](.\u002F3-atari\u002F1-breakout\u002Fbreakout_ddqn.py) [A3C](.\u002F3-atari\u002F1-breakout\u002Fbreakout_a3c.py)\n- **Pong** - [策略梯度](.\u002F3-atari\u002F2-pong\u002Fpong_reinforce.py)\n\n**OpenAI GYM** - [开发中]\n\n- Mountain Car - [DQN](.\u002F4-gym\u002F1-mountaincar)","# Reinforcement Learning 快速上手指南\n\n本仓库由 RLCode 团队维护，提供了从基础理论到深度强化学习算法的极简、清晰的代码示例。每个算法对应一个独立的文件，非常适合开发者学习与实验。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows\n*   **Python 版本**：Python 3.5+\n*   **核心依赖**：\n    *   Tensorflow 1.0.0\n    *   Keras\n    *   numpy, pandas, matplot, pillow, Skimage, h5py\n\n> **注意**：由于项目基于 TensorFlow 1.x 构建，建议创建独立的虚拟环境以避免版本冲突。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning.git\n    cd reinforcement-learning\n    ```\n\n2.  **安装依赖**\n    推荐使用国内镜像源（如清华源）加速安装过程：\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *如果自动安装失败，请检查是否已正确安装 TensorFlow 1.0.0 和 Keras。*\n\n## 基本使用\n\n本项目的结构设计为“单文件即算法”，您可以直接运行特定目录下的 Python 脚本来观察算法在对应环境中的表现。\n\n### 示例 1：运行网格世界 (Grid World) - Q-Learning\n这是最基础的强化学习示例，无需复杂的环境配置。\n```bash\ncd 1-grid-world\u002F5-q-learning\npython q_learning.py\n```\n\n### 示例 2：运行 CartPole - 深度 Q 网络 (DQN)\n此示例需要 Gym 环境支持（通常包含在依赖中），演示如何使用深度学习解决平衡杆问题。\n```bash\ncd 2-cartpole\u002F1-dqn\npython dqn.py\n```\n\n### 示例 3：运行 Atari 游戏 - Breakout\n演示如何使用 DQN 玩 Atari 游戏。首次运行可能需要下载相关 ROM 或资源文件。\n```bash\ncd 3-atari\u002F1-breakout\npython breakout_dqn.py\n```\n\n**提示**：运行脚本后，通常会弹出窗口显示训练过程或最终结果。您可以通过修改脚本内部的超参数（如学习率、迭代次数）来观察不同配置对模型收敛的影响。","某高校人工智能实验室的研究员正在为本科生设计强化学习入门课程，急需一套代码简洁、逻辑清晰的示例来帮助学生理解从基础网格世界到深度强化学习的核心算法。\n\n### 没有 reinforcement-learning 时\n- 学生面对网上零散且过度封装的教程代码，难以理清策略迭代、Q-Learning 等基础算法的数学逻辑与代码实现的对应关系。\n- 想要复现经典的 CartPole 平衡实验或 Atari 游戏对战时，需要花费数天时间自行搭建环境、调试 TensorFlow 与 Keras 的兼容性报错。\n- 缺乏统一的代码风格，不同算法的实现差异巨大，导致学生在对比 DQN 与 A3C 等模型优劣时，常被无关的工程细节干扰。\n- 教学进度严重滞后，讲师不得不将大量课堂时间用于解释环境配置和依赖库安装，而非算法原理本身。\n\n### 使用 reinforcement-learning 后\n- 每个算法仅由一个文件构成，代码极简且注释清晰，学生能直接通过阅读源码掌握从 Grid World 到 Deep SARSA 的核心逻辑。\n- 依托预置的依赖清单和成熟示例，团队可在几分钟内跑通 CartPole 的 Double DQN 或 Atari 的 Breakout 游戏，立即进入实验验证阶段。\n- 所有示例遵循统一的编码规范，使得对比 Policy Gradient 与 Actor-Critic 的性能差异变得直观，便于开展横向评估分析。\n- 讲师可直接复用现有的模块化案例进行演示，将教学重点完全回归到奖励函数设计与超参数调优等核心价值点上。\n\nreinforcement-learning 通过提供“单文件、最小化”的标准实现，极大地降低了强化学习算法的教学门槛与工程复现成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Frlcode_reinforcement-learning_409eb3d7.png","rlcode","RLCode","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Frlcode_bfcbb989.png","Reinforcement Learning Code",null,"rlcode.github.io","https:\u002F\u002Fgithub.com\u002Frlcode",[84],{"name":85,"color":86,"percentage":87},"Python","#3572A5",100,3620,737,"2026-04-02T15:48:29","MIT","未说明",{"notes":94,"python":95,"dependencies":96},"该项目基于较旧的 TensorFlow 1.0.0 版本，现代环境安装可能遇到兼容性问题。依赖列表中的 'matplot' 应为 'matplotlib'，'Skimage' 应为 'scikit-image'。项目涵盖从基础网格世界到 Atari 游戏的多种强化学习算法示例。","3.5",[97,98,99,100,101,102,103,104],"tensorflow==1.0.0","keras","numpy","pandas","matplotlib","pillow","scikit-image","h5py",[13],[67,107,108,109,110,111,112,113,114],"deep-learning","deep-reinforcement-learning","machine-learning","policy-gradient","deep-q-network","dqn","actor-critic","a3c","2026-03-27T02:49:30.150509","2026-04-06T06:54:53.045664",[118,123,128,133,138,143,148],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},12860,"训练 Breakout A3C 算法需要多长时间才能收敛？对硬件有什么要求？","在 i7-7700 CPU 和 GTX1070 GPU 上使用 4 个线程训练，大约需要 8 小时才能收敛。维护者建议，使用更多的线程进行训练通常效果更好，但具体结果也取决于硬件配置。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F52",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},12861,"运行 Breakout DQN 时遇到 'Env BreakoutDeterministic-v4 not found' 错误怎么办？","该项目使用的是 gym 0.9.1 版本。如果你使用的是旧版本（如 0.8.1）且只能找到 v3 或 v0 版本的环境，你需要修改代码中的动作映射逻辑。例如，将原本的动作映射：\nif action == 0: real_action = 1\nelif action == 1: real_action = 2\nelse: real_action = 3\n修改为适配 v3 版本的映射：\nif action == 0: real_action = 1\nelif action == 1: real_action = 4\nelse: real_action = 5\n或者直接升级 gym 到推荐版本。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F31",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},12862,"如何在测试阶段加载和使用已保存的模型（.h5 文件）？","要使用保存的模型，只需在代码中将 `self.load_model` 参数从 `False` 改为 `True` 即可。请确保保存的模型文件名与代码中引用的名称一致。底层实现通常涉及 `agent.model.load_weights` 函数（如在 CartPole DDQN 实现中所示）。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F57",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},12863,"Grid World 环境中状态空间大小（state_size）为 15，这 15 个数值分别代表什么含义？","这 15 个数值的具体含义如下：\n1. 目标点的相对位置 (x, y) - 占 2 个值；\n2. 目的地标签 - 占 1 个值；\n3. 障碍物相对于智能体的相对位置 (x, y)、障碍物标签以及障碍物速度。如果有多个障碍物，每组障碍物占 4 个值（x, y, 标签，速度），总共 12 个值。\n总计：2 + 1 + 12 = 15。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F53",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},12864,"训练 Breakout DQN 模型需要多长时间？推荐的显卡是什么？","在使用 i5-4690 CPU 和 GTX1060 GPU 进行测试时，训练 DQN 模型大约需要 40 小时。在此配置下，平均奖励可达约 120 分，最高奖励可达 300 分。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F65",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},12865,"代码注释是韩文的，有英文版本或文档吗？","维护者正在将代码注释翻译成英文。此外，项目还提供了相关的 GitBook 文档供学习参考，并且计划出版强化学习相关书籍以提供更多资料。用户可以关注仓库更新以获取翻译后的版本。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F21",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},12866,"在 A2C 算法中，为什么演员网络（Actor Net）的训练标签是 'advantages' 而不是概率分布？这与分类交叉熵损失函数如何兼容？","虽然 Keras 的分类交叉熵通常期望两个概率分布，但在该实现中直接使用 'advantages' 作为权重或目标进行训练在实践中效果良好。这是一种常见的技巧，通过优势函数来缩放策略梯度，从而更新网络权重，尽管它在数学定义上不完全等同于标准的概率分布交叉熵，但在强化学习的策略梯度方法中是有效的实现方式。","https:\u002F\u002Fgithub.com\u002Frlcode\u002Freinforcement-learning\u002Fissues\u002F43",[]]