icon
AI 工具 AI 智能代理 MCP 排名 提交及廣告
登入

專業訓練可視化工具

專為高效與穩定性設計的訓練可視化工具，是實現專業成果的不二選擇。

訓練可視化

  • NavGround Learning

    一個用於在模擬環境中訓練無碰撞多機器人導航策略的增強學習框架。
    0
    0
    NavGround Learning 是什麼？
    NavGround Learning提供一套完整工具，用於開發與測試導航任務中的增強學習代理。支援多代理模擬、碰撞建模，以及可定制的感測器與執行器。使用者可選擇預設策略模板或實現自訂架構，並使用最先進的RL演算法進行訓練，還能視覺化性能指標。與OpenAI Gym和Stable Baselines3的整合，讓實驗管理更為便利，內建記錄與視覺化工具則助於深入分析代理行為與訓練動態。

  • Reinforcement Learning Agents for PettingZoo Games

    一個提供 DQN、PPO 和 A2C 代理人，用於在 PettingZoo 遊戲中進行多智能體強化學習的 GitHub 倉庫。
    0
    0
    Reinforcement Learning Agents for PettingZoo Games 是什麼？
    PettingZoo 遊戲的強化學習代理人是一個基於 Python 的程式庫，提供現成的 DQN、PPO 和 A2C 演算法，用於 PettingZoo 環境下的多智能體強化學習。具有標準化的訓練與評估腳本、可配置的超參數、整合的 TensorBoard 日誌記錄，以及支持競爭和合作遊戲。研究人員和開發者可以克隆倉庫、調整環境與演算法參數、運行訓練並視覺化指標，以快速進行多智能體 RL 實驗和基準測試。

  • AutoDRIVE Cooperative MARL

    一個用於交通場景中合作自主車輛控制的開源多代理人強化學習框架。
    0
    0
    AutoDRIVE Cooperative MARL 是什麼？
    AutoDRIVE Cooperative MARL是一個用於訓練和部署合作多代理人強化學習（MARL）策略於自動駕駛任務的開源框架。它與逼真的模擬器整合，用於建模如路口、高速公路車隊行駛和匯入場景的交通情況。該框架實現了中央訓練配合去中心化執行，使車輛學習共享策略以最大化整體交通效率與安全。用戶可以配置環境參數，選擇基線MARL算法，視覺化訓練進展並進行代理人協調性能的基準測試。

  • PommerLearn

    提供PPO、DQN訓練及評估工具的RL框架，用於開發具競爭力的Pommerman遊戲代理人。
    0
    0
    PommerLearn 是什麼？
    PommerLearn使研究人員和開發者能在Pommerman遊戲環境中訓練多智能體RL機器人。它包含現成的流行演算法（PPO、DQN）實作、彈性的超參數配置文件、自動記錄和訓練指標可視化、模型檢查點和評估腳本。其模組化架構便於擴充新演算法、自訂環境及整合標準ML庫如PyTorch。
精選