Per Arne 相关的热门 GitHub AI项目仓库

大规模并行深度强化学习

一个简洁、健壮且统一的PyTorch实现，涵盖了流行的深度强化学习(DRL)算法，包括Q学习、双重DDQN、优先经验回放(PER)、C51、噪声DQN、近端策略优化(PPO)、深度确定性策略梯度(DDPG)、TD3、软演员评论家(SAC)和优势学习(ASL)。

Q学习家族算法的实现。实现包括：DQN、DDQN、双重DQN、PER+DQN、噪声DQN、C51

基于PyTorch的个性化莫罗包络联合学习(pFedMe) (NeurIPS 2020)

基于PyTorch的软演员评论家(SAC)算法实现，并结合优先经验回放(PER)、强调近期经验(ERE)、Munchausen强化学习(Munchausen RL)以及分布式强化学习(D2RL)和并行环境。

一款用于深度学习研究的即时战略游戏

通过辅助单元快速神经网络架构搜索紧凑型语义分割模型的代码，CVPR '19

强化学习的路线图与论文评审

Agno-Go: A High-Performance Multi-Agent System Framework Based on Golang. Inheriting the Agno design philosophy, it leverages Golang's concurrency model and per

Match BCP 47 language tags with language ranges per RFC 4647

一个基于PyTorch的餐厅推荐系统，使用了深度强化学习框架DRR (包含深度确定性策略梯度算法DDPG，优先经验回放PER和概率矩阵分解PMF)。

基于OpenAI Gym框架的DDPG（深度确定性策略梯度）算法Keras实现，并可选用PER（优先经验回放）

基于OpenAI Gym框架，使用Keras实现TD3（双延迟DDPG）算法，并可选使用PER（优先经验回放）

易于阅读和理解的强化学习算法实现

使用 Core ML 的 MLComputePlan 进行每个操作的性能分析

Layered prefill changes the scheduling axis from tokens to layers and removes redundant MoE weight reloads while keeping decode stall free. The result is lower TTFT, lower end-to-end latency, and lower energy per token without hurting TBT stability.

深入学习高级量化技术。学习如何实现和定制线性量化函数，测量量化误差，并使用PyTorch压缩模型权重，从而构建高效易用的AI模型。

深度强化学习学习过程中的代码实现

Automatically generate accurate, per-word video captions with timestamps using Whisper ASR and FFmpeg, perfect for YouTube, social media, and accessibility.

No‑code/low‑code GUI E2E test runner for Selenium. JSON flows, headless/normal, artifacts, per‑project settings.