**PARL**是一个主打高性能、稳定复现、轻量级的强化学习框架。
## 使用场景 - 想要在**实际任务中**尝试使用强化学习解决问题 - 想快速调研下**不同强化学习算法**在同一个问题上的效果 - 强化学习算法训练速度太慢，想搭建**分布式**强化学习训练平台 - python的GIL全局锁限制了多线程加速，想**加速python代码** ## PARL文档全览

	构建智能体（基础）	开源算法库	并行训练（进阶）
	教程 入门：解决cartpole问题 子模块说明 模型参数管理 绘制训练曲线	前沿算法 MADDPG ES SAC TD3 经典算法 PolicyGradient DQN DDPG PPO 并行算法 A2C IMPALA	教程 XPARL并行介绍 使用教程 加速案例 如何debug 分发本地文件

## **安装** ### **安装** PARL 支持并在 Ubuntu >= 16.04, macOS >= 10.14.1, 和 Windows 10通过了测试。 目前在Windows上**仅支持**python3.5+以上的版本，要求是64位的python。 ```shell pip install parl --upgrade ``` 如果遇到网络问题导致的下载较慢，建议使用清华源解决: ```shell pip install -i https://pypi.tuna.tsinghua.edu.cn/simple parl --upgrade ``` 如果想试试最新代码，可从源代码安装。 ```shell git clone https://github.com/PaddlePaddle/PARL cd PARL pip install . ``` 如果遇到网络问题导致的下载较慢，建议使用清华源解决（参考上面的命令）。
遇到git clone如果较慢的问题，建议使用我们托管在国内码云平台的仓库。 ```shell git clone https://gitee.com/paddlepaddle/PARL.git ``` ### **关于并行** 如果只是想使用PARL的并行功能的话，是无需安装任何深度学习框架的。 ## 贡献 本项目欢迎任何贡献和建议。 大多数贡献都需要你同意参与者许可协议（CLA），来声明你有权，并实际上授予我们有权使用你的贡献。 ### 代码贡献规范 - 代码风格规范
PARL使用yapf工具进行代码风格的统一，使用方法如下： ```shell pip install yapf==0.24.0 yapf -i modified_file.py ``` - 持续集成测试
当增加代码时候，需要增加测试代码覆盖所添加的代码，测试代码得放在相关代码文件的`tests`文件夹下，以`_test.py`结尾（这样持续集成测试会自动拉取代码跑）。附：[测试代码示例](../../parl/tests/import_test.py) - 本地运行单元测试（非必要）
如果你希望在自己的机器运行单测代码，可先在本地机器上安装Docker，再按以下步骤执行单测任务。 ``` cd PARL docker build -t parl/parl-test:unittest .teamcity/ nvidia-docker run -i --rm -v $PWD:/work -w /work parl/parl-test:unittest .teamcity/build.sh test ``` ## 反馈 - 在 GitHub 上[提交问题](https://github.com/PaddlePaddle/PARL/issues)