ALSF

60多个深度学习论文的实现/教程，并附带旁注；涵盖Transformer（原始版、XL、Switch、Feedback、ViT等）、优化器（Adam、AdaBelief、Sophia等）、GAN（CycleGAN、StyleGAN2等）、强化学习（PPO、DQN）、Capsule网络、知识蒸馏等。

Unity机器学习代理工具包（ML-Agents）是一个开源项目，它允许游戏和模拟充当环境，用于使用深度强化学习和模仿学习来训练智能代理。

一个深度学习模型和数据集的库，旨在使深度学习更容易上手，并加速机器学习研究。

李宏毅老师推荐的深度学习教程PDF版，可在GitHub下载：https://github.com/datawhalechina/leedl-tutorial/releases

强化学习的Python实现：入门介绍

Bullet物理引擎：用于VR、游戏、视觉特效、机器人技术、机器学习等的实时碰撞检测和多物理模拟。

精选的人工智能（AI）课程、书籍、视频讲座和论文列表

一本易懂的强化学习中文教程（也称“蘑菇书”），可以在线阅读：https://datawhalechina.github.io/easy-rl/

一些 Jupyter Notebook 示例，演示如何使用 Amazon SageMaker 构建、训练和部署机器学习模型。

Stable Baselines 的 PyTorch 版本，提供了可靠的强化学习算法实现。