张量实用程序，强化学习，等等！
fomoro-pyoneer的Python项目详细描述
皮耶纳
张量实用程序，强化学习，等等！旨在通过普通操作的低级抽象简化研究。
用法
对于顶级实用程序，按如下方式导入：
import pyoneer as pynr
pynr.math.rescale(...)
对于较大的子模块，如强化学习，我们建议：
import pyoneer.rl as pyrl
loss_fn = pyrl.losses.PolicyGradient(...)
通常，pyoner api会尝试遵守tensorflow 2.0api。
示例
API
激活（^{} ）
pynr.activations.swish
调试（^{} ）
pynr.debugging.Stopwatch
分布（^{} ）
pynr.distributions.MultiCategorical
初始值设定项（^{} ）
pynr.initializers.SoftplusInverse
层（^{} ）
pynr.layers.Swishpynr.layers.OneHotEncoderpynr.layers.AngleEncoderpynr.layers.Nest
张量操纵（^{} ）
pynr.manip.flattenpynr.manip.batched_indexpynr.manip.pad_or_truncatepynr.manip.shift
数学（^{} ）
pynr.math.to_radianspynr.math.to_degreespynr.math.to_cartesianpynr.math.to_polarpynr.math.RADIANS_TO_DEGREESpynr.math.DEGREES_TO_RADIANSpynr.math.isclosepynr.math.safe_dividepynr.math.rescalepynr.math.normalizepynr.math.denormalize
度量（^{} ）
pynr.metrics.mapepynr.metrics.smapepynr.metrics.MAPEpynr.metrics.SMAPE
力矩（^{} ）
pynr.moments.range_momentspynr.moments.StaticMomentspynr.moments.StreamingMomentspynr.moments.ExponentialMovingMoments
学习率表（^{} ）
pynr.schedules.CyclicSchedule
强化学习（^{} ）
强化学习的实用程序。
损耗（^{} ）
pynr.rl.losses.policy_gradientpynr.rl.losses.policy_entropypynr.rl.losses.clipped_policy_gradientpynr.rl.losses.PolicyGradientpynr.rl.losses.PolicyEntropypynr.rl.losses.ClippedPolicyGradient
目标（^{} ）
pynr.rl.targets.DiscountedReturnspynr.rl.targets.GeneralizedAdvantages
策略（^{} ）
pynr.rl.strategies.EpsilonGreedypynr.rl.strategies.Modepynr.rl.strategies.Sample
包装纸（^{} ）
pynr.rl.wrappers.ObservationCoordinatespynr.rl.wrappers.ObservationNormalizationpynr.rl.wrappers.Batchpynr.rl.wrappers.Process
安装
有几个安装选项：
（推荐）安装时使用
pipenv：pipenv install fomoro-pyoneer使用
pipenv：git clone https://github.com/fomorians/pyoneer.git cd pyoneer pipenv install pipenv shell
测试
有几个测试选项：
运行所有测试：
python -m unittest discover -bfp '*_test.py'运行特定测试：
python -m pyoneer.math.logical_ops_test
贡献
在ISSUE_TEMPLATE之后提交问题。如果问题讨论需要实现，那么提交来自描述该特性的分支的请求。经过几轮代码评审，这最终将合并到master。
欢迎加入QQ群-->： 979659372
