sumo-rl

从零开始学习机器学习。本书使用 NumPy 框架，以简洁易懂的方式实现各种机器学习模型和算法，涵盖从线性回归到深度学习的全部内容。

Unity机器学习代理工具包（ML-Agents）是一个开源项目，它允许游戏和模拟充当环境，用于使用深度强化学习和模仿学习来训练智能代理。

FinRL：金融强化学习

一本易懂的强化学习中文教程（也称“蘑菇书”），可以在线阅读：https://datawhalechina.github.io/easy-rl/

Stable Baselines 的 PyTorch 版本，提供了可靠的强化学习算法实现。

一个用于单智能体强化学习环境的API标准，包含常用的参考环境和相关工具（前身为Gym）

（瞪大眼睛）——利用深度强化学习改进bettercap，实现WiFi入侵。

Trax：清晰代码与高速深度学习

麻省理工学院6.S191深度学习导论实验材料

使用深度强化学习（深度Q学习）的Flappy Bird游戏作弊方法。