Kaixhin/Atari

Implement optimality tightening

Open

#60 创建于 2016年12月11日

在 GitHub 查看
 (8 评论) (0 反应) (0 负责人)Lua (72 fork)github user discovery
enhancementhelp wanted

仓库指标

Star
 (263 star)
PR 合并指标
 (30 天内没有已合并 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.

贡献者指南

研究方向
阅读论文《Learning to Play in a Day》，并在现有的DQN代码库中实现最优性收紧。
技术栈
lua
领域
machine learningai
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
reinforcement learningLua
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
40