PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Raffin, A.* ; Hill, A.* ; Gleave, A.* ; Kanervisto, A.* ; Ernestus, M.* ; Dormann, N.*

Stable-baselines3: Reliable reinforcement learning implementations.

J. Mach. Learn. Res. 22, accepted (2021)
Verlagsversion
Open Access Hybrid
Creative Commons Lizenzvertrag
Stable-Baselines3 provides open-source implementations of deep reinforcement learning (RL) algorithms in Python. The implementations have been benchmarked against reference codebases, and automated unit tests cover 95% of the code. The algorithms follow a consistent interface and are accompanied by extensive documentation, making it simple to train and compare different RL algorithms. Our documentation, examples, and source-code are available at https://github.com/DLR-RM/stable-baselines3.
Impact Factor
Scopus SNIP
3.654
2.907
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Schlagwörter Baselines ; Open-source ; Python ; Pytorch ; Reinforcement Learning ; Software
Sprache englisch
Veröffentlichungsjahr 2021
HGF-Berichtsjahr 2021
ISSN (print) / ISBN 1532-4435
e-ISSN 1533-7928
Zeitschrift Journal of Machine Learning Research
Quellenangaben Band: 22 Heft: , Seiten: , Artikelnummer: , Supplement: ,
Verlag MIT Press
Begutachtungsstatus Peer reviewed
Institut(e) Helmholtz AI - DLR (HAI - DLR)
Scopus ID 85121124913
Erfassungsdatum 2022-02-02
[➜Korrektur melden]