整理 | Jane
出品 | AI科技大本营（公众号id：rgznai100）
近日，Github 一位开发者 danaugrs 开源了一个新项目——Huskarl，一个专注研究和快速原型的深度强化学习框架。
此框架基于 TensorFlow 2.0 构建，使用了 tf.keras API，保证了其简洁性和可读性。Huskarl 可以使多环境的并行计算变得很容易，这将对加速策略学习算法（比如 A2C 和 PPO）非常有用。此外，Huskarl 还可以与 OpenAI Gym 环境无缝结合，并将计划支持多代理环境和 Unity3D 环境。
OpenAI Gym：2016 年 OpenAI 发布的一个可以开发、对比强化学习算法的工具包，提供了各种环境、模拟任务等，任何人都可以在上面训练自己的算法。
Unity3D：一个全面整合的专业游戏引擎，由 Unity Technologies 开发的一款可以让玩家轻松创建三维视频游戏、实时三维动画等类型互动内容的多平台综合型游戏开发工具。
目前，Huskarl 已经支持了 DQN（Deep Q-Learning Network）、Multi-step DQN、Double DQN、A2C（Advantage Actor-Critic）等算法，还有 DDPG（Deep Deterministic Policy Gradient）、PPO（Proximal Policy Optimization）、Curiosity-Driven Exploration 等算法在计划中。
最重要的是，TF 2.0 的 nightly 已经发布，这个开源工具也是基于 TF2.0 开发的，所以大家要先安装一下 tf 2.0 nighty 版本。除此之外，还需要安装以下工具和环境：
这个工具还是新鲜出炉烫手的呢，大家赶紧来尝鲜试一下~
地址：
https://github.com/danaugrs/huskarl
（本文为AI科技大本营原创文章，转载请微信联系 1092722531）
群招募
扫码添加小助手微信，回复：公司+研究方向（学校+研究方向），邀你加入技术交流群。技术群审核较严，敬请谅解。
推荐阅读：
点击“阅读原文”，查看历史精彩文章。
更多内容请见： python3案例和总结-专栏介绍和目录
一. 什么是 Elasticsearch
想查数据就免不了搜索，搜索就离不开搜索引擎，百度、谷歌都是一个非常庞大复杂的搜索引擎，他们几乎索引了互联网上开放的所有网页和数据。然而对于我们自己的业务数据来说，肯定就没必要用这么复杂的技术了，如果我们想实现自己的搜索引擎，方便存储和检索，Elasticsearch 就是不二选择，它是一个全文搜索引擎，可以快速地储存、搜索和分析海量数据。
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。官方客户端在Java、.NET（C#）、PHP、Python、Apache Groovy、Ruby和
微信公众号
评论记录：
回复评论：