Modelo de reconocimiento de voz de propósito general que transcribe y traduce audio, e identifica su idioma en muchas lenguas.
110,9 mil13,4 milPythonMITActualizado hace 2 meses
DLR-RM/stable-baselines3
Implementaciones en PyTorch de algoritmos de aprendizaje por refuerzo, diseñadas como una base fiable y coherente para la investigación y las aplicaciones.
- Estrellas
- 13,912
- Forks
- 2,177
- Issues abiertos
- 88
- Último commit
- hace 7 días
¿Qué es?
Stable Baselines3 (SB3) es una biblioteca de Python con algoritmos de aprendizaje por refuerzo implementados en PyTorch. Es la sucesora de Stable Baselines y busca ofrecer a investigadores y profesionales implementaciones de referencia probadas que puedan reproducir, ampliar y usar como base para comparaciones.
La biblioteca incluye varios algoritmos habituales, como A2C, DDPG, DQN, PPO, SAC, TD3 y HER, y admite espacios de acciones Box, Discrete, MultiDiscrete y MultiBinary, según el algoritmo. Los modelos comparten una interfaz al estilo de scikit-learn: se crea un modelo indicando el nombre de una política y un entorno, se llama a learn y luego a predict. También admite entornos, políticas y callbacks personalizados, además del registro con TensorBoard.
Los algoritmos experimentales y más recientes se encuentran en el repositorio complementario SB3-Contrib, mientras que RL Baselines3 Zoo ofrece scripts de entrenamiento e hiperparámetros ajustados. Las variantes más rápidas basadas en JAX se desarrollan por separado en SBX.
Funciones clave
- 01Implementaciones de algoritmos de RL de uso extendido, como PPO, SAC, DQN y TD3
- 02API coherente al estilo de scikit-learn para entrenar, guardar y hacer predicciones
- 03Compatibilidad con entornos, políticas y callbacks personalizados
- 04Compatibilidad con espacios de observación Dict y registro con TensorBoard
- 05Compatibilidad con multiprocessing para varios algoritmos
Casos de uso
- Comparar una nueva idea de RL con algoritmos de referencia consolidados
- Entrenar agentes en entornos de Gymnasium, como CartPole o juegos de Atari
- Crear prototipos de políticas de robótica o control en simulación
- Aprender aprendizaje por refuerzo con un conjunto de herramientas más sencillo antes de pasar a código más complejo
Inicio rápido
- 1
Instala el paquete con pip
pip install 'stable-baselines3[extra]' - 2
Entrena un agente PPO en CartPole con una sola línea
python -c "from stable_baselines3 import PPO; model = PPO('MlpPolicy', 'CartPole-v1').learn(10_000)"
Antes de usarlo
- Requiere Python 3.10+ y PyTorch 2.8+.
- Se presupone que tienes conocimientos previos de aprendizaje por refuerzo; si estás empezando, consulta primero la documentación.
- El desarrollo se centra ahora en corregir errores y mantener el proyecto; los algoritmos nuevos se desarrollan en repositorios independientes.
Temas
Preguntas frecuentes
- ¿Qué es stable-baselines3?
- Implementaciones en PyTorch de algoritmos de aprendizaje por refuerzo, diseñadas como una base fiable y coherente para la investigación y las aplicaciones. Stable Baselines3 (SB3) es una biblioteca de Python con algoritmos de aprendizaje por refuerzo implementados en PyTorch. Es la sucesora de Stable Baselines y busca ofrecer a investigadores y profesionales implementaciones de referencia probadas que puedan reproducir, ampliar y usar como base para comparaciones.
- ¿stable-baselines3 es gratuito? ¿Qué licencia tiene?
- stable-baselines3 es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿stable-baselines3 sigue mantenido?
- Mantenimiento activo. El último commit de stable-baselines3 fue el 13 oct 2026.
- ¿Para qué puedo usar stable-baselines3?
- Comparar una nueva idea de RL con algoritmos de referencia consolidados Entrenar agentes en entornos de Gymnasium, como CartPole o juegos de Atari Crear prototipos de políticas de robótica o control en simulación Aprender aprendizaje por refuerzo con un conjunto de herramientas más sencillo antes de pasar a código más complejo
- ¿Cómo se instala stable-baselines3?
- Instala el paquete con pip: pip install 'stable-baselines3[extra]' Entrena un agente PPO en CartPole con una sola línea: python -c "from stable_baselines3 import PPO; model = PPO('MlpPolicy', 'CartPole-v1').learn(10_000)"
- ¿Dónde consigo stable-baselines3?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/DLR-RM/stable-baselines3
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Plataforma de inversión cuantitativa orientada a la IA de Microsoft, que abarca datos, entrenamiento de modelos, backtesting y ejecución de órdenes para la investigación cuantitativa.
IA y Machine Learning#quantitative-finance#machine-learning#algorithmic-trading#backtesting#reinforcement-learning
49,5 mil7,8 milPythonMITActualizado hace 6 días
Ray es un framework unificado para escalar aplicaciones de Python e IA desde una laptop hasta un clúster, con un runtime distribuido y bibliotecas de IA.
44,1 mil8,2 milPythonApache-2.0Actualizado hace 6 horas
Un breve libro introductorio sobre aprendizaje por refuerzo, desde los fundamentos hasta algoritmos aplicados, con implementaciones en PyTorch en el repositorio.
1,7 mil96PythonSin licenciaActualizado hace 3 meses
La biblioteca oficial de Python para la API REST de OpenAI, con clientes síncronos y asíncronos y modelos tipados para solicitudes y respuestas.
31,9 mil8,5 milPythonApache-2.0Actualizado hace 6 horas
Plataforma de simulación para robótica e IA incorporada que combina un motor de física múltiple, un renderizador fotorrealista y un compilador multiplataforma mediante una interfaz Python.
30,1 mil2,9 milPythonApache-2.0Actualizado hace 17 horas