ReLearn：强化学习库

强化学习库和实验运行器。通过 tch 接口使用 pytorch 作为神经网络后端。

目前，该库是为个人使用而设计的。它处于开发中且不稳定，因此更新时可能会出现破坏性更改。

请参阅 https://docs.rs/relearn 中的文档。

示例

使用表格 Q 学习的链式环境

cargo run --release --example chain-tabular-q

该环境具有无限长的剧集。

Cart-Pole 使用信任域策略优化

cargo run --release --example cartpole-trpo

cargo run --release --example cartpole-trpo data/cartpole-trpo/<time>/actor.cbor

使用前馈 MLP 作为策略，并使用单独的 MLP 作为评论家（基线）。显示的统计信息也保存到 data/cartpole-trpo/，并可以使用 tensorboard --logdir data/cartpole-trpo 查看。

lib.rs:

强化学习库。

该库定义了一组 环境 和 学习代理，并模拟它们的交互。

环境实现 Environment 特性，该特性具有关联的观察、动作和状态类型。代理实现 Agent，并提供了根据环境观察生成动作的 Actors。代理可以通过 BatchUpdate 特性进行学习。

代理特性对环境的观察（O）和动作（A）类型是泛型的。通过 Space 特性，EnvStructure 特性提供了更多关于这些类型可能值的详细信息。可以认为 Space 是一个在运行时定义的类型，描述了一组可能的值，而方法则由 spaces 中的其他特性提供。

环境-参与者模拟通过 步骤 进行，生成的 步骤 可以通过一个 迭代器 接口访问。训练是通过 train_serial 和 train_parallel 进行的。

这个库通过 [tch] 使用 PyTorch。