強化學習（RL）已成爲最受歡迎的機器學習領域之一，並且在過去幾年中取得了許多重大進展。因此，研究人員和教育工作者越來越需要獲得一個清晰可靠的RL研究和教育框架。去年8月，谷歌發佈了一款全新的開源強化學習框架 Dopamine，該框架基於 TensorFlow，主打靈活性、穩定性、復現性，能夠提供快速的基準測試。
今天，谷歌發佈Dopamine 2.0，爲強化學習提供了更高的靈活性以及更多的測試環境。
去年八月，谷歌發佈了Dopamine，這是一款靈活的強化學習框架。初始版本專注於特定類型的RL研究：基於 Arcade 學習環境（一個成熟的、易於理解的基準）和四個基於值的代理 DQN、C51、Rainbow 代理的簡化版本以及隱式分位數網絡代理實現的。
開源地址：https://github.com/google/dopamine
據官方博客介紹：
開發小組收到的最常見的請求之一是對更多環境的支持。這證實了他們在內部看到的情況，在測試新算法時，OpenAI的Gym支持的簡單環境非常有用。於是，谷歌正式發佈Dopamine 2.0，這一版本包括了對離散域Gym環境(如離散狀態和動作)的支持。框架的核心保持不變，只是簡單地概括了與環境的接口。爲了向後兼容，用戶仍然可以下載1.0版本。
此外，新版本還包括兩個經典控制環境的默認配置：CartPole和Acrobot；在這些環境中，用戶可以在幾分鐘內訓練Dopamine代理。與標準Atari 2600遊戲的訓練時間（標準GPU上大約5天）相比，這些環境允許研究人員在更大規模的Atari遊戲上測試比之前更快地迭代研究思路。新版本還包括一個合作實驗室，演示如何在Cartpole和Acrobot上訓練代理。最後，GymPreprocessing類爲如何將Dopamine與其他自定義環境一起使用提供了示例。
拓展閱讀