Torch和tensorflow是目前深度学习的主要两个框架，现如今 在 TF 和 torch两个方面都有非常出色的代码，但是从使用程度上来讲torch这边的RL实现，很少有一个兼顾框架和易用的代码。 这里借鉴了Keras-RL的框架 以及 baseline的实现思路，建立一套基于Torch版本的RL实现。

本着以最简单的 最快速的 最实际的方式建立一个Torch DRL的框架，节省大家学习的时间直接利用。希望大家也能加入，一起实现。

本仓库兼容CPU与GPU，目前还未实现MPI。 算法（非严格）采用PET - 8编写， 并带有注释。

• agent 包含agent 内核（与环境交互的过程） 以及 所有强化学习算法
• common 包含记录文件、loss函数、经验池、DQN策略
• model 包含所有深度网络实现
• savedata 记录训练结果 run_xxxxxxxxxxx 训练实例。

基于Keras-RL建立交互以及算法框架，并借鉴了baseline的logger文件，可以直接输出 txt、CSV、tensorboard对训练过程进行观察

• DQN（包含Double DQN、 Dueling DQN）source code

• DRQN source code

• DDPG source code

• PPO source code

• Batch-PPO source code

• TD3 source code

可以快速建立全联接网络、CNN、LSTM、CNN-LSTM。

有一些简单的训练example

RUN_Catrpole_with_DQN.py

RUN_Pendulum_with_DDPG.py

RUN_Pendulum_with_PPO.py