معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Gym environment for training agents in the AI Arena game

ویژگی	مقدار
سیستم عامل	-
نام فایل	aiarena-gym-0.0.4
نام	aiarena-gym
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	ArenaX Labs Inc.
ایمیل نویسنده	<brandon@aiarena.io>
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/aiarena-gym/
مجوز	-

# AI Arena Python Environment To get started with our python environment you can run the `training.py` file. This file shows you how to do a few things in our environment: * Initialize a new model * Import a pretrained model * Set up the game environment * Run training with one-sided and selfplay reinforcement learning * Save your model in the format that works with our researcher platform We have set you up with a starter model in the `starter_model` directory. This is a simple Policy Gradient that implements a version of the [REINFORCE](https://proceedings.neurips.cc/paper/1999/file/464d828b85b0bed98e80ade0a5c43b0f-Paper.pdf) algorithm. We encourage you to replace this with your own models! Additionally, we set up some basic training loops in the `simulation_methods.py` file. Feel free to change these up and make them your own! **NOTE:** There are two variables in the `training.py` file which you should not change because our game requires these to be constant: * `n_features`: This is the dimensionality of the state * `n_actions`: This is the dimensionality of the policy Lastly, we have included the rules-based agent `agent_sihing.py` (the researcher platform benchmark) in case you want to train specifically against it. But be careful about overfitting because we will introduce more benchmarks which require generalization...

نیازمندی

مقدار	نام
-	numpy

نحوه نصب

نصب پکیج whl aiarena-gym-0.0.4:

pip install aiarena-gym-0.0.4.whl

نصب پکیج tar.gz aiarena-gym-0.0.4:

pip install aiarena-gym-0.0.4.tar.gz