21个必知的机器学习开源工具，涵盖5大领域

强化学习领域的快速发展得益于让智能经纪人玩一些游戏，如经典的Atari console games、传统的围棋游戏，或者让智能经纪人玩电子游戏，如Dota 2 或 Starcraft 2，所有这些游戏都为智能经纪人提供了具有挑战性的环境。在这个环境中，新的算法可以安全、可重复的方式测试想法。以下列举了4个最有利于强化学习的培养环境：

• Google Research Football:  Google Research Football Environment是一个全新的强化学习环境，其中，智能经纪人旨在掌握世界上最流行的足球运动。这种环境能让用户更好地训练强化学习智能经纪人。
• OpenAI Gym: Gym是开发和比较强化学习算法的工具包，可支持教学经纪人从走路到玩乒乓球或弹球之类的游戏。从以下动图中可以看到一个正在学习走路的教学经纪人。

• Unity ML Agents: The Unity Machine Learning Agents Toolkit（ML-Agents）是开源设备的插件，使游戏和模拟游戏能为智能经纪人训练提供有效环境。通过简单易用的Python API，用户可以使用强化学习、模仿学习、神经进化或其他机器学习方法来训练智能经纪人。

• Project Malmo: Malmo平台是一个建立在Minecraft之上的复杂人工智能实验平台，旨在支持人工智能领域的基础研究，由微软开发。

当用户进行数据科学和人工智能相关项目时，开放源码是一种可行的方法。本文只是介绍了冰山一角，仍有许多工具可用于处理各种各样的任务，使数据科学家的项目生活更为简便。数据科学家只需知道何处寻找开放源码即可。

【编辑推荐】

1. ClusterShell：一个在集群节点上并行运行命令的好工具
2. 重回榜首的BERT改进版开源了，千块V100、160GB纯文本的大模型
3. 优秀！Github上10个开源免费的后台控制面板你值得拥有！
4. 在Linux上安装NetData性能监控工具
5. 开源大法好，Windows 计算器又添两项新功能

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!