Kaixhin/Atari

Implement optimality tightening

Open

#60 建立於 2016年12月11日

在 GitHub 查看
 (8 留言) (0 反應) (0 負責人)Lua (72 fork)github user discovery
enhancementhelp wanted

倉庫指標

Star
 (263 star)
PR 合併指標
 (30 天內沒有已合併 PR)

描述

Learning to Play in a Day: Faster Deep Reinforcement Learning by Optimality Tightening potentially speeds up Q-learning by an order of magnitude! Apparently not too hard to implement either.

貢獻者指南

研究方向
閱讀論文《Learning to Play in a Day》，並在現有的DQN程式碼庫中實現最優性收緊。
技術棧
lua
領域
machine learningai
議題類型
功能
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 天
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
reinforcement learningLua
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40