Rl

Machine Learning 워크플로를 위한 stable-baselines3 스킬 가이드입니다. RL 에이전트를 학습하고, Gymnasium 환경을 연결하고, PPO, SAC, DQN, TD3, DDPG, A2C 중에서 덜 헤매며 선택할 수 있습니다. 표준 단일 에이전트 강화학습, 빠른 프로토타이핑, 그리고 실무적인 stable-baselines3 활용에 가장 잘 맞습니다.

pufferlib은 빠른 병렬 시뮬레이션, 벡터화된 rollout, 멀티 에이전트 학습을 위한 고성능 강화학습 스킬입니다. 이 pufferlib 가이드를 통해 pufferlib 사용법을 설치하고 이해하며, Gymnasium, PettingZoo, Atari, Procgen, NetHack 스타일 환경에 맞게 RL 파이프라인을 조정할 수 있습니다. 처리량과 확장 가능한 PPO 워크플로에 초점을 둔 코드 생성에 적합합니다.