DLR-RM/stable-baselines3

[Feature Request] RAINBOW

Open

#622 geöffnet am 22. Okt. 2021

Auf GitHub ansehen
 (8 Kommentare) (2 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

Important Note: We do not do technical support, nor consulting and don't answer personal questions per email. Please post your question on the RL Discord, Reddit or Stack Overflow in that case.

🚀 Feature

Implement RAINBOW (DQN + all extensions: noisy-net, double dqn, dueling, c51, prioritized experience replay).

closes #487 if it is implemented.

Motivation

This would allow to have DQN with all extensions while keeping DQN code simple.

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

Contributor Guide

Research-Richtung
Studieren Sie die vorhandene DQN Implementierung in stable baselines3 und jede Erweiterung (noisy net, double dqn, dueling, c51, prioritized replay). Verstehen Sie den Algorithmus aus dem Rainbow Papier. Planen Sie die Integration unter Wahrung der Modularität der Codebasis.
Tech Stack
pythonpytorch
Domain
machine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Über 1 Woche
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.
Klar
Voraussetzungen
PythonPyTorchReinforcement Learning
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30