HFO_DQN combine Python et TensorFlow pour fournir une chaîne complète pour entraîner des agents de football utilisant Deep Q-Networks. Les utilisateurs peuvent cloner le dépôt, installer les dépendances incluant le simulateur HFO et les bibliothèques Python, et configurer les paramètres d'entraînement dans des fichiers YAML. Le cadre implémente la mémoire d'expérience, les mises à jour du réseau cible, l'exploration ε-greedy, et le façonnage de récompenses spécifique au domaine offense de moitié terrain. Il comprend des scripts pour l'entraînement des agents, la journalisation des performances, des matchs d'évaluation, et la réalisation de graphiques. La structure modulaire du code permet d'intégrer des architectures neural personnalisées, des algorithmes RL alternatifs, et des stratégies de coordination multi-agents. Les sorties incluent des modèles entraînés, des métriques de performance, et des visualisations du comportement, facilitant la recherche en apprentissage par renforcement et systèmes multi-agents.

Shumai est une puissante bibliothèque de tenseurs conçue pour JavaScript et TypeScript, créée par Facebook Research (FAIR). La bibliothèque se distingue par ses performances élevées, sa connectivité réseau et ses capacités différentiables. Construite en utilisant Bun et Flashlight, elle permet aux développeurs d'intégrer sans effort des fonctionnalités d'apprentissage profond et d'apprentissage automatique dans des applications Web. Elle prend en charge des fonctionnalités telles que le calcul sur GPU, ce qui la rend idéale pour des calculs scientifiques complexes et l'entraînement de modèles. Shumai vise à fournir un environnement robuste pour développer des modèles d'apprentissage automatique avancés dans un écosystème TypeScript.