DLR-RM/stable-baselines3

解决的问题

Stable Baselines3 (SB3) 提供了一套可靠、经过测试且标准化的强化学习（RL）算法实现。它消除了研究人员和开发者从头实现这些算法的需要，为复现、改进和比较不同的RL方法提供了统一的基准。

如何工作

SB3 基于 PyTorch 构建，并采用类似 scikit-learn 的语法，使 RL 算法更易访问。用户只需定义一个策略和一个环境（例如 Gymnasium 中的环境），然后使用简单的 .learn() 方法即可训练智能体。该库支持多种动作和观测空间（包括 Dict 观测空间），并可与 Tensorboard 集成用于监控，以及与 Weights & Biases 集成用于实验追踪。

适用人群

专为具备一定强化学习基础知识的研究人员、行业专业人士以及初学者设计，帮助他们无需陷入实现细节，即可使用稳定工具集构建 RL 项目。

主要亮点

• 标准化算法：实现最先进的 RL 方法，如 PPO、DQN、SAC 和 TD3。
• 一致的接口：所有算法使用统一接口，便于使用。
• 可扩展性：支持自定义环境、自定义策略和自定义回调。
• 广泛兼容性：兼容 Gymnasium 环境，支持多进程以加快训练速度。
• 生态系统：属于更大的生态系统，包括 RL Baselines3 Zoo（用于训练和超参数调优）和 SB3-Contrib（用于实验性功能）。