stable-baselines3은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

stable-baselines3은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

stable-baselines3은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. stable-baselines3의 마지막 커밋은 2026년 10월 13일입니다.

stable-baselines3은(는) 어디에 사용할 수 있나요?

새로운 RL 아이디어를 기존 기준 알고리즘과 비교 평가 CartPole이나 Atari 게임 같은 Gymnasium 환경에서 에이전트 학습 시뮬레이션에서 로보틱스 또는 제어 정책 프로토타이핑 복잡한 코드로 넘어가기 전에 간단한 도구로 강화 학습 익히기

stable-baselines3는 어떻게 설치하나요?

pip으로 패키지를 설치하세요: pip install 'stable-baselines3[extra]' 한 줄로 CartPole에서 PPO 에이전트를 학습시키세요: python -c "from stable_baselines3 import PPO; model = PPO('MlpPolicy', 'CartPole-v1').learn(10_000)"

stable-baselines3은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/DLR-RM/stable-baselines3

DLR-RM/stable-baselines3

연구와 실제 응용에 신뢰할 수 있고 일관된 기준선을 제공하도록 설계된 강화 학습 알고리즘의 PyTorch 구현체입니다.

GitHub에서 보기 웹사이트

스타: 13,912
포크: 2,177
열린 이슈: 88
마지막 커밋: 8일 전

어떤 프로젝트인가요?

Stable Baselines3 (SB3)는 PyTorch로 구현한 강화 학습 알고리즘을 제공하는 Python 라이브러리입니다. 기존 Stable Baselines의 후속 프로젝트로, 연구자와 실무자가 재현하고 확장하며 비교 기준으로 활용할 수 있도록 검증된 레퍼런스 구현을 제공하는 것을 목표로 합니다.

A2C, DDPG, DQN, PPO, SAC, TD3, HER 등 널리 쓰이는 여러 알고리즘을 제공하며, 알고리즘에 따라 Box, Discrete, MultiDiscrete, MultiBinary 액션 공간을 지원합니다. 모델은 scikit-learn 스타일의 일관된 인터페이스를 사용합니다. 정책 이름과 환경을 지정해 모델을 만든 뒤 learn을 호출하고, 이어서 predict를 실행하면 됩니다. 커스텀 환경과 정책, 콜백을 지원하며 TensorBoard 로깅도 제공합니다.

실험 단계이거나 새로 개발된 알고리즘은 함께 제공되는 SB3-Contrib 저장소에서 관리하며, RL Baselines3 Zoo는 학습 스크립트와 튜닝된 하이퍼파라미터를 제공합니다. 더 빠른 JAX 기반 변형은 별도의 SBX 프로젝트에서 개발됩니다.

핵심 기능

01PPO, SAC, DQN, TD3 등 널리 사용되는 RL 알고리즘 구현
02학습, 저장, 예측을 위한 일관된 scikit-learn 스타일 API
03커스텀 환경, 정책, 콜백 지원
04Dict 관측 공간 지원 및 TensorBoard 로깅
05여러 알고리즘의 멀티프로세싱 지원

활용 사례

새로운 RL 아이디어를 기존 기준 알고리즘과 비교 평가
CartPole이나 Atari 게임 같은 Gymnasium 환경에서 에이전트 학습
시뮬레이션에서 로보틱스 또는 제어 정책 프로토타이핑
복잡한 코드로 넘어가기 전에 간단한 도구로 강화 학습 익히기

빠른 시작

1
pip으로 패키지를 설치하세요
pip install 'stable-baselines3[extra]'
2
한 줄로 CartPole에서 PPO 에이전트를 학습시키세요
python -c "from stable_baselines3 import PPO; model = PPO('MlpPolicy', 'CartPole-v1').learn(10_000)"

사용 전 알아둘 점

Python 3.10+ 및 PyTorch 2.8+가 필요합니다.
강화 학습에 대한 사전 지식이 있다고 가정합니다. 초보자는 먼저 문서를 살펴보세요.
현재 개발은 버그 수정과 유지 관리에 중점을 두고 있으며, 새로운 알고리즘은 별도의 저장소에서 개발됩니다.

토픽

#reinforcement-learning #pytorch #machine-learning #gymnasium #robotics #python #baselines #gsde #gym #openai

자주 묻는 질문

stable-baselines3은(는) 무엇인가요?: 연구와 실제 응용에 신뢰할 수 있고 일관된 기준선을 제공하도록 설계된 강화 학습 알고리즘의 PyTorch 구현체입니다. Stable Baselines3 (SB3)는 PyTorch로 구현한 강화 학습 알고리즘을 제공하는 Python 라이브러리입니다. 기존 Stable Baselines의 후속 프로젝트로, 연구자와 실무자가 재현하고 확장하며 비교 기준으로 활용할 수 있도록 검증된 레퍼런스 구현을 제공하는 것을 목표로 합니다.
stable-baselines3은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: stable-baselines3은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
stable-baselines3은(는) 아직 유지보수되고 있나요?: 활발히 유지보수 중. stable-baselines3의 마지막 커밋은 2026년 10월 13일입니다.
stable-baselines3은(는) 어디에 사용할 수 있나요?: 새로운 RL 아이디어를 기존 기준 알고리즘과 비교 평가 CartPole이나 Atari 게임 같은 Gymnasium 환경에서 에이전트 학습 시뮬레이션에서 로보틱스 또는 제어 정책 프로토타이핑 복잡한 코드로 넘어가기 전에 간단한 도구로 강화 학습 익히기
stable-baselines3는 어떻게 설치하나요?: pip으로 패키지를 설치하세요: pip install 'stable-baselines3[extra]' 한 줄로 CartPole에서 PPO 에이전트를 학습시키세요: python -c "from stable_baselines3 import PPO; model = PPO('MlpPolicy', 'CartPole-v1').learn(10_000)"
stable-baselines3은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/DLR-RM/stable-baselines3

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.