EasyRL 概述 近年来，我们目睹了强化学习（RL）的许多令人瞩目的进步，包括AlphaGo，OpenAI Five等。对于实际应用，我们已经成功地将RL应用到了许多电子商务场景中，例如基于会话的学习进行排名，与有监督的学习范式相比，RL的交互性提高了其应用的门槛，因为从业者必须 实现复杂的学习算法，而不是简单地从TensorFlow（TF）/ PyTorch中选择一种损失，模型和优化器 当考虑分布式设置时，处理数据（状态，动作，奖励等）和模型参数的通信 此仓库以独立和分布式模式提供了许多广泛

如何运行EasyRL Cloud 此应用程序使用Django作为网络服务器来托管接口。要运行服务器，您必须安装以下程序包的Python： 詹戈 Django存储 boto3 Botocore python3.7 -m pip install django boto3 botocore django-storages 在启动服务器之前，我们需要为WebGUI设置环境变量（密钥必须与使用AWS Lambda的密钥相同）。 export AWS_ACCESS_KEY_ID=AKIAXXXXXXX