learning-from-human-preferences:复制了OpenAI和DeepMind的“从人类偏好中进行深度强化...

通过人类偏好进行深度强化学习 基于上的论文，复制了OpenAI和DeepMind的根据的 。 结果 复制的主要里程碑是： 训练代理商使用合成的首选项，在中将圆点移到中间。 使用综合偏好训练特工打乒乓球。 根据个人喜好，对代理商进行培训，使其与Enduro的其他汽车并驾齐驱。 用法 克隆 请注意，存储库中的某些文件是使用。 如果要使用存储的任何数据（检查点，首选项），请在克隆之前安装Git LFS。 Python设置 要设置隔离环境并安装依赖项，请安装 ，然后运行： $ pipenv install 但是，请注意，必须手动安装TensorFlow。 任何一个： $ pipenv run pip install tensorflow 或者 $ pipenv run pip install tensorflow-gpu 取决于您是否有GPU。 （如果遇到问题，请尝试安装用于开发的