DLR-RM/stable-baselines3

Prioritized Experience Replay for DQN

Open

#1.242 geöffnet am 26. Dez. 2022

Auf GitHub ansehen
 (10 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (1.407 Forks)batch import
enhancementhelp wanted

Repository-Metriken

Stars
 (6.550 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 11T 13h) (3 gemergte PRs in 30 T)

Beschreibung

🚀 Feature

Prioritized Experience Replay for DQN

Motivation

No response

Pitch

No response

Alternatives

No response

Additional context

No response

Checklist

  • I have checked that there is no similar issue in the repo

Contributor Guide

Research-Richtung
Implementieren Sie prioritätsbasiertes Experience Replay für DQN, was das Ändern des Replay Puffers umfasst, um Prioritäten zu speichern und darauf basierend zu sampeln. Recherchieren Sie den PER Algorithmus aus dem Artikel 'Prioritized Experience Replay' (Schaul et al., 2015). Integrieren Sie ihn in die vorhandene DQN Implementierung in stable baselines3.
Tech Stack
python
Domain
machine learningai
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
PythonPyTorchReinforcement Learning basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
45